这篇文章是深度学习进阶课程最后一篇了,下一篇就是新的板块啦
Deep Brief Network:多个Restricted Boltzmann Machines组成的网络
基本特点:每层的神经元不与本层的神经元交流,最后一层通常是classification layer(分类层)
除了第一层,最后一层,每层都有两个作用:对于前一层作为隐藏层,对于后一层作为输入层
另一个概念:Deep Autoencoder
由两个对称的Deep Brief Network组成:
每层由Restricted Boltzmann Machine组成:
对于MNIST,输入转化为binary
Encoding:
784(input)----> 1000 ----> 500 —> 250 —> 100 —>30
隐藏层我们用的是sigmoid - brief unit,代表的信息量比实数少,所以我们要增加一些信息源来表示原始数据信息
Decoding:
784(output)<---- 1000 <---- 500 <---- 250 <---- 30
用途:用来降低维度,图像搜索(压缩),数据压缩,信息检索
大概就这样吧,也没咋深入学,呼呼呼