Estou confuso. Existe uma diferença entre as redes de crenças profundas e as máquinas Deep Boltzmann? Se sim, qual a diferença?
machine-learning
deep-learning
rbm
deep-belief-networks
Jack Twain
fonte
fonte
Respostas:
Embora as redes de crenças profundas (DBNs) e as máquinas de Boltzmann (DBMs) pareçam esquematicamente muito semelhantes, na verdade elas são qualitativamente muito diferentes. Isso ocorre porque os DBNs são direcionados e os DBMs não são direcionados. Se quiséssemos encaixá-los na imagem ML mais ampla, poderíamos dizer que os DBNs são redes de crenças sigmóides com muitas camadas densamente conectadas de variáveis latentes e os DBMs são campos aleatórios marcados com muitas camadas densamente conectadas de variáveis latentes.
Como tal, eles herdam todas as propriedades desses modelos. Por exemplo, em um DBN computando , onde é a camada visível e são as variáveis ocultas é fácil. Por outro lado, a computação de de qualquer coisa é normalmente inviável em um DBM devido à função de partição intratável.P( v | h ) v h P
Dito isto, há semelhanças. Por exemplo:
fonte
Ambos são modelos gráficos probabilísticos que consistem em camadas empilhadas de RBMs. A diferença está em como essas camadas estão conectadas.
Esse link deixa bem claro: http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf . A Figura 2 e a Seção 3.1 são particularmente relevantes.
Para resumir:
Em um DBN, as conexões entre as camadas são direcionadas. Portanto, as duas primeiras camadas formam um RBM (um modelo gráfico não direcionado) e as camadas subsequentes formam um modelo generativo direcionado.
Em um DBM, a conexão entre todas as camadas não é direcionada, portanto, cada par de camadas forma um RBM.
fonte