Je suis confus. Y a-t-il une différence entre les réseaux de croyances profondes et les machines Deep Boltzmann? Si oui, quelle est la différence?
28
Je suis confus. Y a-t-il une différence entre les réseaux de croyances profondes et les machines Deep Boltzmann? Si oui, quelle est la différence?
Réponses:
Bien que les réseaux Deep Belief (DBN) et les machines Deep Boltzmann (DBM) soient très similaires schématiquement, ils sont en réalité très différents sur le plan qualitatif. En effet, les DBN sont dirigés et les DBM ne sont pas dirigés. Si nous voulions les adapter à l'image ML plus large, nous pourrions dire que les DBN sont des réseaux de croyances sigmoïdes avec de nombreuses couches de variables latentes densément connectées et les DBM sont des champs aléatoires markoviens avec de nombreuses couches de variables latentes densément connectées.
En tant que tels, ils héritent de toutes les propriétés de ces modèles. Par exemple, dans un DBN calculant , où v est la couche visible et h les variables cachées, c'est facile. D'un autre côté, calculer P de quoi que ce soit est normalement impossible à calculer dans un DBM en raison de la fonction de partition intraitable.P(v|h) v h P
Cela étant dit, il existe des similitudes. Par exemple:
la source
Les deux sont des modèles graphiques probabilistes composés de couches empilées de RBM. La différence réside dans la façon dont ces couches sont connectées.
Ce lien indique assez clairement: http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf . La figure 2 et la section 3.1 sont particulièrement pertinentes.
Pour résumer:
Dans un DBN, les connexions entre les couches sont dirigées. Par conséquent, les deux premières couches forment un RBM (un modèle graphique non orienté), puis les couches suivantes forment un modèle génératif dirigé.
Dans un DBM, la connexion entre toutes les couches n'est pas dirigée, ainsi chaque paire de couches forme un RBM.
la source