Konvolutionellt djupt trosnätverk

Inom datavetenskap är ett konvolutionellt djupt trosnätverk (CDBN) en typ av djupt artificiellt neuralt nätverk som består av flera lager av konvolutionerande begränsade Boltzmann-maskiner staplade tillsammans. Alternativt är det en hierarkisk generativ modell för djupinlärning, som är mycket effektiv vid bildbehandling och objektigenkänning , även om den har använts i andra domäner också. De framträdande egenskaperna hos modellen inkluderar det faktum att den skalas väl till högdimensionella bilder och är translationsinvariant.

CDBN:er använder tekniken med probabilistisk maxpoolning för att minska dimensionerna i högre lager i nätverket. Träning av nätverket innebär ett förträningssteg som genomförs på ett girigt lagervis sätt, liknande andra djupa trosnätverk . Beroende på om nätverket ska användas för diskriminering eller generativa uppgifter, "finjusteras" det sedan eller tränas med antingen back-propagation eller up-down-algoritmen (kontrastiv-divergens).

^ Lee, Honglak; Grosse, Ranganath; Andrew Ng. "Konvolutionella djupa trosnätverk för skalbar oövervakad inlärning av hierarkiska representationer" ( PDF) . {{ citera journal }} : Citera journal kräver |journal= ( hjälp )
^ Lee, Honglak; Yan Largman; Peter Pham; Andrew Y. Ng. "Oövervakad funktionsinlärning för ljudklassificering med hjälp av konvolutionella djupa trosnätverk" ( PDF) .
^ Coviello, Emanuele. "Convolutional Deep Belief Networks" (PDF) .

[1] Lee, Honglak; Grosse, Ranganath; Andrew Ng. "Konvolutionella djupa trosnätverk för skalbar oövervakad inlärning av hierarkiska representationer" ( PDF) . {{ citera journal }} : Citera journal kräver |journal= ( hjälp )

[2] Lee, Honglak; Yan Largman; Peter Pham; Andrew Y. Ng. "Oövervakad funktionsinlärning för ljudklassificering med hjälp av konvolutionella djupa trosnätverk" ( PDF) .

[3] Coviello, Emanuele. "Convolutional Deep Belief Networks" (PDF) .