深度学习之深度生成模型

深度生成模型主要应用于无监督学习,通过捕捉数据的高阶相关性来生成有效样本。文章介绍了受限玻尔兹曼机(RBM)、深度信念网络(DBN)等,并强调了贪婪逐层学习算法在表示学习中的重要性,该算法适用于大量未标注数据的场景。DBN由RBM堆叠而成,利用逐层无监督预训练来构建深度生成式网络。
摘要由CSDN通过智能技术生成

深度生成模型可以分为有监督与无监督,主要还是在于无监督地应用,用于在没有目标类标签信息的情况下捕捉观测到或可见数据的高阶相关性,可以通过从网络中采样来生成有效样本,譬如受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)、深度信念网络(Deep Belief Network, DBN)、深度玻尔兹曼机(Deep Boltzmann Machine, DBM)和广义除噪自编码器(Generalized Denoising Autoencoders)。

DBN是由一组RBM堆叠而成的深度生成式网络,核心是贪婪的逐层学习的算法。而RBM是基于能量的模型,基于能量的模型是使用图描述模型结构,属于深度学习中的结构化概率模型。

所以本小白决定首先从贪婪的逐层学习算法开始学习。

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值