Deep belief network とは

機械学習において、ディープ・ビリーフ・ネットワーク(DBN)は、潜在変数の複数の層(「隠れユニット」)で構成された生成的なグラフィカル・モデル、あるいはディープ・ニューラル・ネットワークのクラスであり、各層。
監督なしで一連の例について訓練を受けた場合、DBNは入力を確率的に再構築することを学ぶことができます。これらの層は、特徴検出器として作用する。この学習ステップの後、DBNはさらに分類を行うために監督を訓練することができる。
DBNは、制限されたボルツマンマシン(RBM)や自動エンコーダーのような、管理されていない単純なネットワークの構成と見ることができます。各サブネットワークの隠れレイヤーは、次回の可視レイヤーとして機能します。 RBMは、「目に見える」入力層と、隠れ層と、層内ではないが層内での接続とを有する、無指向性の生成エネルギーベースのモデルである。この構成は、層の最下位のペア(最も低い可視層がトレーニングセットである)から順に、各サブネットワークに対比的な発散が順番に適用される、迅速なレイヤーごとの教師なしトレーニング手順につながる。
DBNが一度に1階層ずつ貪欲に訓練できるという観測は、最初の効果的な深い学習アルゴリズムの1つにつながった。全体として、実際のアプリケーションおよびシナリオ(例えば、脳波記録、創薬)におけるDBNの多くの魅力的な実装および使用が存在する。