Глибока мережа переконань (Deep Belief Network, DBN)

Глибока мережа переконань (DBN) — це генеративна ймовірнісна модель, що складається з багатьох шарів стохастичних прихованих змінних. Представлені Hinton, Osindero та Teh у 2006 році, DBN стали одними з перших глибоких архітектур, які можна було ефективно тренувати. Кожна пара суміжних шарів утворює обмежену машину Больцмана (Restricted Boltzmann Machine, RBM), а мережа тренується жадібно, по одному шару за раз, перед необов'язковим наглядовим доналаштуванням. DBN відродили інтерес до глибокого навчання та продемонстрували, що ієрархічне вивчення ознак із сирих даних є здійсненним.