Las redes de creencias profundas (DBN) son un tipo particular de arquitectura de aprendizaje profundo. (Consulte ¿Qué es el aprendizaje profundo? ¿Por qué es esta una tendencia creciente en el aprendizaje automático? ¿Por qué no usar SVM? Si no sabe qué es una arquitectura de aprendizaje profundo).
Los DBN se basan en el apilamiento de máquinas de Boltzmann restringidas.
Fueron la primera arquitectura profunda de propósito general que se pudo entrenar con éxito, basada en el trabajo de Hinton y su grupo en 2006. (Las redes convolucionales, de Yann LeCunn, son una arquitectura profunda más antigua diseñada específicamente para tareas de visión . Tres capas las redes neuronales son arquitecturas profundas más antiguas, pero nadie tenía un buen algoritmo de entrenamiento para ellas).
- ¿Qué son "hilos sin peso" y cómo los implemento? ¿Cuáles son las ventajas de usarlos?
- ¿Cuáles son las tres ideas principales en arquitectura de computadoras desde la invención de la computadora?
- No entiendo el cuerpo humano, que es la máquina más sofisticada. ¿Por qué debería aprender sobre otras máquinas como las computadoras?
- ¿Cuáles son algunas de las mejores prácticas para escribir paquetes de software específicamente para aplicaciones científicas y aprendizaje automático? ¿Serían relevantes las mismas prácticas utilizadas en el desarrollo de software ágil?
- ¿Cómo se utilizará el aprendizaje automático en el software empresarial, particularmente en las prácticas ITSM?
Cuando se descubrieron los DBN, el grupo de Yoshua Bengio descubrió que algunos de los supuestos de modelado particulares (un modelo generativo y probabilístico) no eran necesarios para el éxito del algoritmo de aprendizaje profundo. La técnica de entrenamiento del entrenamiento no supervisado en capas fue el elemento clave, y el grupo de Yoshua Bengio publicó recientemente una investigación de seguimiento que muestra que el algoritmo de entrenamiento podría aplicarse a autoencoders apilados, una arquitectura profunda con supuestos de modelado más débiles.
No obstante, los DBN siguen siendo un área activa de investigación.
Consulte este artículo de scholarpedia para obtener más detalles y otras citas: http://www.scholarpedia.org/arti…