혼란 스러워요. Deep Faith 네트워크와 Deep Boltzmann Machines에는 차이가 있습니까? 그렇다면 차이점은 무엇입니까?
답변
DBN (Deep Belief Networks)과 DBM (Deep Boltzmann Machines)은 도식적으로 매우 유사 해 보이지만 실제로는 질적으로 매우 다릅니다. 이는 DBN이 지시되고 DBM이 지시되지 않기 때문입니다. 우리가 그것들을 더 넓은 ML 그림에 맞추고 자한다면 DBN은 잠재적으로 밀접하게 연결된 많은 잠재 변수 층을 가진 S 자형 신념 네트워크이고 DBM은 많은 밀접하게 연결된 잠재 변수 층을 가진 마르코프 무작위 필드라고 말할 수 있습니다.
따라서 이러한 모델의 모든 속성을 상속합니다. 예를 들어, DBN 컴퓨팅 , 여기서 는 가시적 레이어이고 는 숨겨진 변수입니다. 다른 한편으로, 의 계산은 다루기 어려운 파티션 기능으로 인해 DBM에서 일반적으로 계산 불가능합니다.
그것은 유사성이 있다고합니다. 예를 들면 다음과 같습니다.
- DBN과 원래 DBM은 제한된 Bolzmann 머신 (RBM)의 탐욕스러운 계층 별 교육을 기반으로하는 초기화 체계를 사용하여 작동합니다.
- 그들은 둘 다 “깊다”.
- 둘 다 잠재적 변수의 계층을 특징으로하며 위와 아래의 계층에 밀접하게 연결되어 있지만 계층 내부 연결은 없습니다.
답변
둘 다 스택 된 RBM 레이어로 구성된 확률 적 그래픽 모델입니다. 차이점은이 레이어들이 어떻게 연결되는지에 있습니다.
이 링크는 http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf에서 상당히 명확 합니다. 그림 2와 3.1은 특히 관련이 있습니다.
요약하면 다음과 같습니다.
DBN에서 계층 간 연결이 지시됩니다. 따라서 처음 두 레이어는 RBM (무 방향 그래픽 모델)을 형성 한 후 후속 레이어는 지정 생성 모델을 형성합니다.
DBM에서 모든 계층 간의 연결은 방향이 지정되지 않으므로 각 계층 쌍은 RBM을 형성합니다.