Сверточная сеть глубоких убеждений
В информатике сверточная сеть глубокого убеждения (CDBN) — это тип глубокой искусственной нейронной сети, состоящей из нескольких слоев сверточных ограниченных машин Больцмана, сложенных вместе. [1] Альтернативно, это иерархическая генеративная модель глубокого обучения, которая очень эффективна при обработке изображений и распознавании объектов , хотя она используется и в других областях. [2] К основным особенностям модели относится тот факт, что она хорошо масштабируется для многомерных изображений и является трансляционно-инвариантной. [3]
CDBN используют технику вероятностного максимального пула для уменьшения размеров на более высоких уровнях сети. Обучение сети включает в себя этап предварительного обучения, выполняемый жадным послойным способом, как и в других сетях глубокого убеждения . В зависимости от того, будет ли сеть использоваться для распознавательных или генеративных задач, она затем «точно настраивается» или обучается либо с помощью алгоритма обратного распространения ошибки , либо с помощью алгоритма вверх-вниз (контрастное-расхождение) соответственно.
Ссылки
[ редактировать ]- ^ Ли, Хонглак; Гросс, Ранганатх; Эндрю Нг. «Сверточные сети глубоких убеждений для масштабируемого обучения иерархических представлений без учителя» (PDF) .
{{cite journal}}: Для цитирования журнала требуется|journal=( помощь ) - ^ Ли, Хонглак; Ян Ларгман; Питер Фам; Эндрю Ю. Нг. «Обучение функций без учителя для классификации аудио с использованием сверточных сетей глубокого доверия» (PDF) .
- ^ Ковьелло, Эмануэле. «Сверточные сети глубоких убеждений» (PDF) .