Rede de Crenças Profundas (DBN)

Uma Rede de Crenças Profundas (DBN) é um modelo probabilístico generativo composto por múltiplas camadas de variáveis estocásticas e latentes. Introduzidas por Hinton, Osindero e Teh em 2006, as DBNs foram entre as primeiras arquiteturas profundas a serem treinadas eficientemente. Cada par de camadas adjacentes forma uma Máquina de Boltzmann Restrita (RBM), e a rede é treinada gananciosamente, uma camada de cada vez, antes de um ajuste fino supervisionado opcional. As DBNs reavivaram o interesse em aprendizado profundo e demonstraram que o aprendizado hierárquico de características a partir de dados brutos é tratável.