神经网络和深度信念网络有什么区别?


Answers:


59

“神经网络”是通常用于指代前馈神经网络的术语。深度神经网络是具有许多层的前馈神经网络。

深度信念网络与深度神经网络不同。

正如您所指出的,深层信念网络在某些层之间具有无方向的连接。这意味着DNN和DBN的拓扑在定义上是不同的。

DBN中的无向层称为受限玻尔兹曼机。可以使用非常快的无监督学习算法(Contrastive Divergence)来训练该层(这里是链接

其他一些评论:

用更深的神经网络获得的解对应的性能要比具有1或2个隐藏层的网络获得的解差。随着体系结构的深入,使用Deep NN获得良好的概括变得越来越困难。

在2006年,Hinton发现,通过使用无监督学习算法(Contrastive Divergence)对每一层(RBM)进行预训练,可以在更深的体系结构中获得更好的结果。然后,可以使用反向传播以监督的方式训练网络,以“调整”权重。


DNN和DBN的功能之间的主要区别是DBN在两个方向上都起作用,in => out用于训练,out => in用于预测吗?
ZAR

5

深度神经网络是一种前馈人工神经网络,在其输入和输出之间具有一层以上的隐藏单元。每个隐藏单元通常使用逻辑函数映射其来自下一层的总输入,即,转换为标量状态,并将其发送到上一层。jxjyj(参考(1))”。

也就是说,正如David所提到的:“ 深层信任网络在最上两层之间具有无方向的连接,就像在RBM中一样 ”,这与标准前馈神经网络相反。通常,DNN中的主要问题是与单层NN相比,它的训练肯定涉及更多。(我不从事神经网络研究,只是最近我读了这篇论文。)

参考资料:1. 用于语音识别中的声学建模的深度神经网络,作者:Geoffrey Hinton,李登,Dong Yu,George Dahl,Abdel-rahman Mohamed,Navdeep Jaitly,Andrew Senior,Vincent Vanhoucke,Patrick Nguyen,Tara Sainath和Brian金斯伯里(Kingsbury)在IEEE信号处理杂志上发表[82] 2012年11月(链接到MSR中的原始论文


1
深度BELIEF网络通常是指未经监督的预训练(堆叠的受限Boltzmann机器以对比发散训练)的深度网络。
阿尔法2013年

5
@ user11852您链接到的论文在深层神经网络和深层信念网络之间进行了区分。深度信任网络在顶层两层之间具有无方向的连接,就像在RBM中一样。
David J. Harris,

0

很高兴在这里看到Alex的评论。我一直在向人们解释DL是典型的神经网络。学习方案没有区别。较早的用c(70s)编写的ANN可以选择设置多个隐藏层。实际上,我测试以确定是否有更多的隐藏层可以提高准确性。层数不会使DL与ANN有所不同。

我讨厌这些营销术语。现在我们有这么多的DL专家,他们不知道DL实际上是ANN。由于市场营销是如此的强大,人们相信我们在机器学习领域取得了很大进步。但是,没有什么新鲜的!


4
实际上有新事物。的确,人工神经网络早在DL炒作之前就已广为人知。我们最近了解到的是学习这种深度神经网络所需的许多技巧。有了更多的计算能力,我们还发现神经网络非常适合我们难以手工制作的图像,音频和其他数据。当然还有更多。
Vladislavs Dovgalecs

1
这个答案似乎更像是对一个无关问题的评论。我没有提到深入的信任网络。
贝尔达兹
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.