אני מבולבל. האם יש הבדל בין רשתות אמונות עמוק למכונות בולצמן עמוקות? אם כן, מה ההבדל?
אני מבולבל. האם יש הבדל בין רשתות אמונות עמוק למכונות בולצמן עמוקות? אם כן, מה ההבדל?
אף שרשתות אמונה עמוקה (DBN) ומכונות בולצמן עמוקות (DBM) נראות באופן דיאגרמטי מאוד דומות, הן למעשה שונות מאוד מבחינה איכותית. הסיבה לכך היא ש- DBNs מופנים ו- DBM אינם מכוונים. אם היינו רוצים להתאים אותם לתמונת ה- ML הרחבה יותר נוכל לומר ש- DBNs הם רשתות אמונה sigmoid עם הרבה שכבות מחוברות בצפיפות של משתנים סמויים ו- DBM הם שדות אקראיים של markov עם שכבות רבות של משתנים סמויים המחוברים בצפיפות.
ככאלה הם יורשים את כל המאפיינים של המודלים האלה. לדוגמה, במחשוב DBN $ P (v | h) $ , שם $ v $ הוא שכבה גלויה ו $ h $ הם המשתנים הנסתרים הוא קל. מצד שני המחשוב $ P $ של כל דבר הוא בדרך כלל בלתי אפשרי מבחינה חישובית ב- DBM בגלל פונקציית המחיצה הבלתי ניתנת לביצוע.
שנאמר שיש קווי דמיון. לדוגמא:
הפניות
שניהם מודלים גרפיים הסתברותיים המורכבים משכבות RBM מוערמות. ההבדל הוא באופן שכבות אלה מחוברות.
קישור זה מבהיר למדי: http://jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdf. איור 2 וסעיף 3.1 רלוונטיים במיוחד.
לסיכום:
ב- DBN מכוונים החיבורים בין שכבות. לכן, שתי השכבות הראשונות יוצרות RBM (מודל גרפי לא מכוון), ואז השכבות הבאות יוצרות מודל גנראטיבי מכוון.
ב- DBM, הקשר בין כל השכבות אינו מכוון, ולכן כל זוג שכבות נוצר. RBM.