本文介绍了深度置信网络（DBN）及其组成部分——玻尔兹曼机（BM）和受限玻尔兹曼机（RBM）。DBN是一种神经网络模型，既可用于非监督学习的特征降维，也可用于监督学习的分类任务。玻尔兹曼机是一种二值随机神经网络，特点是全连接和对称权重；受限玻尔兹曼机则取消了层间连接，简化了网络结构。深度置信网络通过堆叠多个RBM层来学习高级抽象特征，是深度学习领域的重要工具。
深度置信网络是神经网络的- -种。 既可以用于非监督学习,类似于一个自编码机也可以用于监督学习,作为分类器来使用。从非监督学习来讲,其目的是尽可能地保留原始特征的特点,同时降低特征的维度。从监督学习来讲,其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习, 深度置信网络的本质都是特征的过程,即如何得到更好的特征表达。本章节将主要介绍玻尔兹曼机受限玻尔兹曼机以及深度置信网络。
玻尔兹曼机
定义：
一种由二值随机神经元构成的两层对称连接神经网络。其权值通过优化玻尔兹曼能量函数获得。
特点：
特点1 :每个随机变量都是二值的( {0,1})
特点2 :所有节点是全连接的
特点3 :两个节点之间的相互影响是对称的
受限玻尔兹曼机
特点：层的神经元之间没有连接关系。
传播过程：
深度置信网络：
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
