Сеть глубокого доверия (DBN)
Сеть глубокого доверия (DBN) — это генеративная вероятностная модель, состоящая из множества слоев стохастических скрытых переменных. Введенные Хинтоном, Осиндеро и Тэ в 2006 году, DBN стали одними из первых глубоких архитектур, которые можно было эффективно обучать. Каждая пара смежных слоев образует ограниченную машину Больцмана, и сеть обучается жадно, по одному слою за раз, перед необязательной контролируемой донастройкой. DBN возродили интерес к глубокому обучению и продемонстрировали, что иерархическое обучение признаков на необработанных данных является решаемой задачей.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/ru/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.
- АвтоэнкодерГлубокое обучение↔ compare
- Многослойный перцептрон (MLP)Глубокое обучение↔ compare
- Ограниченная машина Больцмана (RBM)Глубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →