Глубокая сеть доверия

Стиль этой статьи неэнциклопедичен или нарушает нормы литературного русского языка. Статью следует исправить согласно стилистическим правилам Википедии.

Глубокая сеть доверия (ГСД, англ. deep belief network, DBN) — это порождающая графическая модель, или один из типов глубинных нейронных сетей, состоящая из нескольких скрытых слоёв, в которых нейроны внутри одного слоя не связаны друг с другом, но связаны с нейронами соседнего слоя^[1].

При обучении на наборе примеров^[en] спонтанным образом ГСД может обучаться как вероятностно отстраивать свои входы. Слои в этом случае выступают в роли детекторов признаков входов^[1]. По окончании обучения ГСД может быть обучена с учителем для осуществления классификации^[2].

ГСД можно рассматривать как композицию простых, спонтанных сетей, таких как ограниченные машины Больцмана (ОМБ)^[1] или автокодировщики^[3], в которых скрытый слой каждой подсети служит видимым слоем для следующей. Это позволяет осуществить быструю послойную процедуру обучения без учителя, в которой относительное расхождение применяется к каждой подсети по очереди, начиная с первой пары слоёв (на видимый слой которой подается тренировочный набор примеров^[en]).

Наблюдение, сделанное англ. Yee-Whye Teh, учеником Джеффри Хинтона^[2], говорит о том, что ГСД может быть обучена способом жадного послойного обучения, что стало одним из первых действенных алгоритмов глубинного обучения^[4]:6:6.

Алгоритм тренировки ГСД работает следующим образом^[2]. Пусть ${\displaystyle X}$ будет матрицей входов, что рассматривается как набор признаков.

1. Представить два нижних слоя (входной и первый скрытый) как ограниченную машину Больцмана (ОМБ). Обучить её на входных данных ${\displaystyle X}$ и получить матрицу её весовых коэффициентов ${\displaystyle W}$, которая будет описывать связи между двумя нижними слоями сети.
2. Пропустить через обученную машину Больцмана входные данные ${\displaystyle X}$ и получить данные скрытого слоя ${\displaystyle X'}$ на выходе после активации узлов первого скрытого слоя.
3. Повторять эту процедуру с ${\displaystyle X\leftarrow X'}$ для каждой следующей пары слоёв, пока не будут обучены два самых верхних слоя сети.
4. Осуществить тонкую настройку всех параметров этой глубокой сети с сохранением логарифмического правдоподобия ГСД или с использованием обучения с учителем (после добавления дополнительных механизмов обучения для выполнения обученной сетью работы, например, линейно-сепарабельного классификатора).

• Байесовская сеть
• Глубинное обучение

• LISA Lab. Глубокая сеть доверия  (неопр.). Дата обращения: 10 октября 2016. Архивировано из оригинала 19 ноября 2016 года. (англ.)
• Пример: Глубокая сеть доверия  (неопр.). Дата обращения: 10 октября 2016. Архивировано из оригинала 3 октября 2016 года. (англ.)