Jestem zmieszany. Czy istnieje różnica między sieciami Deep głęboko przekonaniami a maszynami Deep Boltzmann? Jeśli tak, jaka jest różnica?
Jestem zmieszany. Czy istnieje różnica między sieciami Deep głęboko przekonaniami a maszynami Deep Boltzmann? Jeśli tak, jaka jest różnica?
Odpowiedzi:
Chociaż sieci Deep Belief Networks (DBN) i Deep Boltzmann Machines (DBM) wyglądają schematycznie bardzo podobnie, w rzeczywistości są bardzo jakościowo bardzo różne. Jest tak, ponieważ DBN są kierowane, a DBM są przekierowywane. Gdybyśmy chcieli dopasować je do szerszego obrazu ML, moglibyśmy powiedzieć, że DBN to sigmoidalne sieci przekonań z wieloma gęsto połączonymi warstwami ukrytych zmiennych, a DBM to losowe pola markowa z wieloma gęsto połączonymi warstwami ukrytych zmiennych.
Jako takie dziedziczą wszystkie właściwości tych modeli. Na przykład w DBN obliczającym , gdzie v jest widoczną warstwą, a h są ukrytymi zmiennymi, jest łatwe. Z drugiej strony, obliczanie P czegokolwiek jest zwykle niewykonalne obliczeniowo w DBM ze względu na trudną funkcję podziału.
Biorąc to pod uwagę, istnieją podobieństwa. Na przykład:
Oba są probabilistycznymi modelami graficznymi składającymi się ze skumulowanych warstw KMS. Różnica polega na sposobie łączenia tych warstw.
Ten link wyjaśnia: http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf . Ryc. 2 i sekcja 3.1 są szczególnie istotne.
Podsumować:
W DBN połączenia między warstwami są kierowane. Dlatego pierwsze dwie warstwy tworzą RBM (niekierowany model graficzny), a następnie kolejne warstwy tworzą ukierunkowany model generatywny.
W DBM połączenie między wszystkimi warstwami nie jest przekierowywane, dlatego każda para warstw tworzy RBM.