Сверточные сети глубокого убеждения (CDBN) против сверточных нейронных сетей (CNN)

Question

Сверточные сети глубокого убеждения (CDBN) против сверточных нейронных сетей (CNN)

Наконец, я начал изучать нейронные сети и хотел бы узнать разницу между Convolutional Deep Belief Networks и Convolutional Networks. Здесь есть аналогичный вопрос, но нет точного ответа на него. Мы знаем, что сверточные сети глубокого убеждения - это CNN + DBN. Итак, я собираюсь сделать распознавание объекта. Я хочу знать, какой из них намного лучше других или их сложность. Я искал, но я не мог найти что-то, возможно, что-то не так.

2

machine-learning deep-learning neural-network conv-neural-network dbn

Источник

user2202420 09 фев '15 в 17:15

1 ответ

Решение

Другие вопросы по тегам machine-learning deep-learning neural-network conv-neural-network dbn

user3415562 04 апр '15 в 12:28 2015-04-04 12:28 · Accepted Answer · 2015-04-04 12:28

Я не знаю, нужен ли вам еще ответ, но в любом случае я надеюсь, что вы найдете это полезным.

CDBN добавляет сложности DBN, но если у вас уже есть некоторый опыт, это не так уж много.
Если вместо этого вас беспокоит сложность вычислений, это действительно зависит от того, как вы используете часть DBN. Роль DBN обычно заключается в инициализации весов сети для более быстрой сходимости. В этом случае DBN появляется только во время предварительной подготовки.
Вы также можете использовать весь DBN, как дискриминационную сеть (сохраняя генеративную мощность), но инициализация веса, обеспечиваемая им, достаточна для дискриминационных задач. Таким образом, во время гипотетического использования в режиме реального времени, две системы имеют одинаковую производительность.

Кроме того, инициализация веса, обеспечиваемая первой моделью, в любом случае действительно помогает в таких трудных задачах, как распознавание объектов (даже одна только хорошая сверточная нейронная сеть не достигает хорошего показателя успеха, по крайней мере, по сравнению с человеком), так что в целом это хороший выбор.