Saya bingung. Apakah ada perbedaan antara jaringan kepercayaan Deep dan Deep Boltzmann Machines? Jika demikian, apa bedanya?
machine-learning
deep-learning
rbm
deep-belief-networks
Jack Twain
sumber
sumber
Jawaban:
Meskipun Deep Belief Networks (DBNs) dan Deep Boltzmann Machines (DBMs) secara diagram terlihat sangat mirip, mereka sebenarnya sangat berbeda secara kualitatif. Ini karena DBN diarahkan dan DBM tidak diarahkan. Jika kita ingin memasukkan mereka ke dalam gambaran ML yang lebih luas kita bisa mengatakan DBN adalah jaringan kepercayaan sigmoid dengan banyak lapisan variabel laten yang terhubung dan DBM adalah bidang acak markov dengan banyak lapisan variabel laten yang terhubung erat.
Dengan demikian mereka mewarisi semua properti model ini. Misalnya, dalam komputasi DBN , di mana v adalah lapisan yang terlihat dan h adalah variabel tersembunyi mudah. Di sisi lain, komputasi P apa pun biasanya tidak dapat dilakukan secara komputasional dalam DBM karena fungsi partisi yang sulit ditembus.P(v|h) v h P
Itu dikatakan ada kesamaan. Sebagai contoh:
sumber
Keduanya adalah model grafis probabilistik yang terdiri dari lapisan RBM yang bertumpuk. Perbedaannya terletak pada bagaimana lapisan-lapisan ini terhubung.
Tautan ini membuatnya cukup jelas: http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf . Gambar 2 dan Bagian 3.1 sangat relevan.
Untuk meringkas:
Dalam DBN, koneksi antar lapisan diarahkan. Oleh karena itu, dua lapisan pertama membentuk RBM (model grafis tidak terarah), kemudian lapisan berikutnya membentuk model generatif terarah.
Dalam DBM, koneksi antara semua lapisan tidak diarahkan, sehingga setiap pasangan lapisan membentuk RBM.
sumber