本文深入探讨了深度学习中的两种基础模型——RBM（受限波尔兹曼机）和DBN（深信度神经网络）。首先介绍了RBM的原理和程序实现，然后说明了DBN是通过RBM的堆叠构成。文中提供了多个参考资料，包括经典论文和中文教程，帮助读者从理论到实践理解这两个概念。
前言：Deep Learning （DL深度学习）是近几年来最火的一种机器学习方法，由Hinton（多伦多大学）提出。主要有两分支：Geoffery Hinton和Joshua Bengio这一支用RBM组成deep architecture的研究。另一支是以Yann LeCun和Andrew Ng的(deep) convolutional networks，用convolutional network组成deep architecture的研究。
这篇博文主要介绍Hinton第一分支中最基础的算法RBM（受限玻尔兹曼机），DBN（深信度神经网络）是由其叠加而成。
最低0.47元/天 解锁文章
1477
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
