15.3K
2235
深度置信網
通過將一系列受限玻耳茲曼機（由二值隨機神經元構成的兩層對稱連接神經網絡）單元堆疊進行訓練的深度生成式模型。
深度置信網是概率統(tǒng)計學與機器學習和神經網絡的融合。深度置信網由多個帶有數值的層組成，其中層與層之間存在關系，而數值之間沒有。深度置信網的主要目標是幫助系統(tǒng)將數據分類到不同的類別。
深度置信網的演進經歷了幾個階段：①第一代神經網絡使用感知器，通過考慮權重或預先饋送的目標屬性來識別特定的物體或其他物體。然而，感知器只能在更基本的層面上有效，并不能提高識別的技術。②第二代神經網絡引入了反向傳播的概念，將得到的輸出與期望的輸出進行比較，最終目標是使誤差值減小到零。支持向量機通過引用先前測試用例的輸入來創(chuàng)建和理解更多的測試用例。③針對信念網絡的非循環(huán)圖。這種圖能夠幫助解決與推理那些和學習問題有關的問題。④深度置信網。它幫助創(chuàng)建存儲在葉節(jié)點中的無偏值。深度置信網由諸如玻耳茲曼機無監(jiān)督網絡組成。每個子網絡的不可見層是下一層的可見層。隱藏層或不可見層并不是相互連接的，而是有條件互相獨立的。
深度置信網在修改后的國家標準技術研究所數據庫（modified national institute of standards and technology database，MNIST）上的表現超越了支持向量機，從而開啟了深度學習在學術界和工業(yè)界的浪潮，在深度學習的發(fā)展歷史中具有重要意義。
