Overview
深度信念网络(DBN)是神经网络的一种:
无监督学习:自编码机
有监督学习:分类器
DBNs是一个概率生成模型,与传统的判别模型的神经网络相对,生成模型是建立一个观察数据和标签之间的联合分布,对P(Observation|Label)和 P(Label|Observation)都做了评估,而判别模型仅仅而已评估了后者,也就是P(Label|Observation)。(???并不明白神马意思,但是不明觉厉的我决定搬过来)
作为一种神经网络,其基础构建模型为受限玻尔兹曼机(Restricted Bolzman Machine),in short -> DBN是由多层RBM组成的。分析DBN表现出的性质与其局限性均需从RBM入手。
受限玻尔兹曼机(RBM)
RBM是一种神经感知器,由一个显层和一个隐层构成,显层与隐层的神经元之间为双向全连接。如下图所示:
[DBN structure](http://blog.csdn.net/win_in_action/article/details/25333671)
上面这张图是一个完整的DBN的模型,我简化一下大概这样:
DBN = RBMs = Hs + V
RBM = H + V
其中相邻两层即为一个RBM,每个RBM层以上一RBM层的输出(h)为输入(v),并向下一层RBM提供输入(v)。像堆积木一样一层层垒上去,就成了“深”度学习模型DBNs。如下图为一个RBM层的结构:<