Hlboká vierohodnostná sieť (DBN)
Hlboká vierohodnostná sieť je generatívny pravdepodobnostný model zložený z viacerých vrstiev stochastických, latentných premenných. DBN, predstavené Hintonnom, Osinderom a Teh v roku 2006, patrili medzi prvé hlboké architektúry, ktoré bolo možné efektívne trénovať. Každý pár susedných vrstiev tvorí reštriktívny Boltzmannov stroj a sieť sa trénuje chamtivo, po jednej vrstve, pred voliteľným dohľadom nad jemným doladením. DBN oživili záujem o hlboké učenie a demonštrovali, že hierarchické učenie príznakov zo surových dát je zvládnuteľné.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Deep Belief Network (DBN). ScholarGate. https://scholargate.app/sk/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.
- AutoenkodérHlboké učenie↔ compare
- Viacvrstvový perceptrón (MLP)Hlboké učenie↔ compare
- Obmedzený Boltzmannov stroj (RBM)Hlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →