跳转到内容

卷積深度信念網絡

维基百科,自由的百科全书

計算機科學中,卷積深度信念網絡(英語:convolutional deep belief network;CDBN)是一種深度人工神經網絡,由多層卷積受限玻爾茲曼機堆疊在一起組成[1]。它是一種用於深度學習的分層生成模型,在圖像處理物件識別英语Outline of object recognition方面非常有效,另外也被用於其他領域[2]。該模型的顯著特徵包括它可以很好地縮放到高維圖像並且是平移不變的[3]。卷積深度信念網絡使用概率最大池化技術來減少網絡中較高層的維度。網絡的訓練涉及以貪婪的分層方式完成的預訓練階段,類似於其他深度信念網絡英语Deep belief network。根據網絡是用於識別任務還是生成任務,然後對其進行「微調」或分別使用反向傳播或上下算法(對比發散)進行訓練。

參考文獻

[编辑]
  1. ^ Lee, Honglak; Grosse, Ranganath; Andrew Ng. Convolutional Deep Belief Networks for Scalable Unsupervised Learning of Hierarchical Representations (PDF). [2023-04-01]. (原始内容存档 (PDF)于2014-04-07). 
  2. ^ Lee, Honglak; Yan Largman; Peter Pham; Andrew Y. Ng. Unsupervised feature learning for audio classification using convolutional deep belief networks (PDF). [2023-04-01]. (原始内容存档 (PDF)于2023-01-28). 
  3. ^ Coviello, Emanuele. Convolutional Deep Belief Networks (PDF). [2023-04-01]. (原始内容存档 (PDF)于2014-04-07).