深度信任网络还是深度玻尔兹曼机器？

我糊涂了。深度信念网络和深度玻尔兹曼机器之间有区别吗？如果是这样，有什么区别？

尽管深层信任网络（DBN）和深层玻尔兹曼机（DBM）在图表上看起来非常相似，但它们实际上在质量上却有很大不同。这是因为DBN是有向的，而DBM是无向的。如果我们想让它们适合更广泛的ML图像，我们可以说DBN是具有许多紧密连接的潜变量层的S型信念网络，而DBM是具有许多紧密连接的潜变量层的马尔可夫随机场。

因此，它们继承了这些模型的所有属性。例如，在DBN计算，其中v是可见层，h是隐藏变量很容易。另一方面，由于难处理的分区功能，在DBM中计算任何东西的P通常在计算上是不可行的。$P(v|h)$$v$$h$$P$

话虽这么说，但有很多相似之处。例如：

1. DBN和原始DBM都使用基于受限Bolzmann机器（RBM）的贪婪分层训练的初始化方案进行工作，
2. 他们都是“深”。
3. 它们都具有潜在变量层，这些潜变量层紧密地连接到上下层，但没有层内连接等。

两者都是由RBM的堆叠层组成的概率图形模型。这些层之间的连接方式不同。

该链接非常清楚：http : //jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf。图2和3.1节特别相关。

总结一下：

在DBN中，层之间的连接是定向的。因此，前两层形成RBM（无向图形模型），然后后续层形成有向的生成模型。

在DBM中，所有层之间的连接都是无向的，因此每对层形成一个RBM。