深度学习--深度信念网络

《深度学习--深度信念网络》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、【转】深度学习--深度信念网络（DeepBeliefNetwork）“深度学习”学习笔记之深度信念网络  本篇非常简要地介绍了深度信念网络的基本概念。文章先简要介绍了深度信念网络（包括其应用实例）。接着分别讲述了：(1)其基本组成结构——受限玻尔兹曼机的的基本情况，以及，(2)这个基本结构如何组成深度信念网络。 本文仅仅能使读者了解深度信念网络这一概念，内容非常浅显，甚至有许多不严密的地方。如果有愿意深入了解受限玻尔兹曼机、深度信念网络的，想对深度学习有更多了解的，请访问深度学习官方网站。或者读者可以参考文末的“推荐阅读”一

2、节。 “深度学习”学习笔记之深度信念网络  本篇非常简要地介绍了深度信念网络的基本概念。文章先简要介绍了深度信念网络（包括其应用实例）。接着分别讲述了：(1)其基本组成结构——受限玻尔兹曼机的的基本情况，以及，(2)这个基本结构如何组成深度信念网络。 本文仅仅能使读者了解深度信念网络这一概念，内容非常浅显，甚至有许多不严密的地方。如果有愿意深入了解受限玻尔兹曼机、深度信念网络的，想对深度学习有更多了解的，请访问深度学习官方网站。或者读者可以参考文末的“推荐阅读”一节。  目录 概述......................

3、........................................................................................................2 受限玻尔兹曼机............................................................................................................3 神经元之间的条件独立性...............................

4、...........................................................3 使用RBM的过程.....................................................................................................4 训练RBM........................................................................................

5、.........................5 深度信念网络................................................................................................................5 训练过程：................................................................................................................6

6、 调优过程(Fine-Tuning)：......................................................................................6 使用过程...................................................................................................................7 推荐阅读.................................

7、......................................................................................8 论文..........................................................................................................................8 博文和网络教程............................................

8、............................................................8   概述 深度信念网络(DeepBeliefNetwork,DBN)由GeoffreyHinton在2006年提出。它是一种生成模型，通过训练其神经元间的权重，我们可