1、无监督逐层训练：预训练：每次训练一层隐结点。训练时将上一层隐结点的输出作为输入，而本层隐结点的输出作为 下一层隐结点的输入。在预训练结束后，再对整个网络进行微调训练。
2、DNN：指深度神经网络，与RNN循环神经网络、CNN卷积神经网络的区别就是，DNN特指全连接的神经元结构，并不包含卷积单元 或时间上的关联。
一、DBN：（预训练+微调）
思想：整个网络看成是多个RBM的堆叠，在使用无监督逐层训练时，首先训练第一层
本文介绍了无监督逐层训练的预训练方法，重点讲解了深度信念网络（DBN）的工作原理，包括预训练和微调的过程。此外，对比了DBN与卷积神经网络（CNN）的异同，强调了它们在特征表示学习中的作用。还提到了循环神经网络（RNN）及其解决时间序列问题的优势，以及为克服梯度消失问题引入的长短期记忆网络（LSTM）的基本结构和功能。
最低0.47元/天 解锁文章
1179
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
