Diep Geloofsnetwerk (DBN)
Een Diep Geloofsnetwerk is een generatief probabilistisch model dat bestaat uit meerdere lagen van stochastische, latente variabelen. Geïntroduceerd door Hinton, Osindero en Teh in 2006, waren DBN's een van de eerste diepe architecturen die efficiënt getraind konden worden. Elk paar aangrenzende lagen vormt een Restricted Boltzmann Machine, en het netwerk wordt hebzuchtig getraind, één laag tegelijk, voorafgaand aan optionele gesuperviseerde fijnafstemming. DBN's herleefden de interesse in deep learning en toonden aan dat hiërarchisch kenmerkleren uit ruwe data haalbaar is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Hinton, G. E., Osindero, S., & Teh, Y.-W. (2006). A fast learning algorithm for deep belief nets. Neural Computation, 18(7), 1527–1554. DOI: 10.1162/neco.2006.18.7.1527 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/nl/deep-learning/deep-belief-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Auto-encoderDeep learning↔ compare
- Multilayer Perceptron (MLP)Deep learning↔ compare
- Restricted Boltzmann Machine (RBM)Deep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →