理论优美的深度信念网络，Hinton老爷子北大最新演讲

https://www.toutiao.com/a6690758262603645453/

深度信念网络曾照亮了深度学习的前进之路，今天，Hinton 通过远程视频演讲，再一次为我们展现了DBN的思想与理论之美。

2006年，研究者对深度神经网络的兴趣再度复兴，而这主要归功于Hinton等人发现的高效新方法。借助深度信念网络（Deep Belief Nets, DBN），当时研究者可以在未标注数据上预训练深度神经网络，这是一种生成模型的方式。预训练完成后，神经网络可以在标注数据上实现判别式的精调，从而获得很好的效果。

这就是最初深度网络的训练方法，也是令深度学习进入ML社区的开创性新研究。尽管目前训练深度神经网络不再需要这种预训练，但它的思想及做法仍深深影响着当前的研究者。

刚刚，Geoffrey Hinton受邀远程为北大学子做了一场分享，深入介绍了深度信念网络的理论知识。

在这一次演讲中，Hinton展示了深度信念网络的预训练过程，并介绍了它如何从玻尔兹曼机的早期训练过程中演化出来。Hinton表示，DBN在理论上是非常优美的，但却过于低效而无法应用于实践。此外，对于训练密集连接型信念网络，Hinton还将介绍预训练过程如何克服主要的实践问题。

应讲者要求，此次演讲没有回放，也不会公开录像，所以小编只记录了演讲PPT给读者们（也因为没听懂），感兴趣的读者可作为学习材料使用。

什么是深度信念网络

深度信念网络是第一批成功应用深度架构训练的非卷积模型之一。在引入深度信念网络之前，研究社区通常认为深度模型太难优化，还不如使用易于优化的浅层ML模型。2016年，Hinton等研究者在Science上表示，深度信念网络在MNIST数据集上表现超过带核函数的支持向量机，以此证明深度架构是能够成功的。

论文1：Reducing the Dimensionality of Data with Neural Networks

论文地址：https://science.sciencemag.org/content/313/5786/504

论文2：A fast learning algorithm for deep belief nets

论文地址：https://www.cs.toronto.edu/~hinton/absps/fastnc.pdf

尽管现在与其他无监督或生成学习算法相比，深度信念网络大多已经失去了研究者青睐并很少使用，但它们在深度学习历史中仍然有非常重要的作用。

此外，如果需要理解DBN，那么首先需要知道什么是受限玻尔兹曼机（RBM）。因为深度信念网络就是受限玻尔兹曼机的堆叠，并采用一种贪心的方式训练。

受限玻尔兹曼机

RBM是两层神经网络，这些浅层神经网络是DBN（深度信念网络）的构建块。RBM的第一层被称为可见层或者输入层，它的第二层叫做隐藏层。RBM之所以加上“受限”，主要是因为不存在层级间的通信。RBM在前传的过程中看上去和全连接没什么区别，但实际上它是一种无向图，所以还有一个反向过程。

除了前传，RBM以一种无监督的方式通过自身来重建数据。如上图所示，在重建阶段，第一个隐藏层的激活状态变成了反向传递过程中的输入。它们与每个连接边相同的权重相乘，就像x在前向传递的过程中随着权重调节一样。这些乘积的和在每个可见节点处又与可见层的偏置项相加，这些运算的输出就是一次重建，也就是对原始输入的一个逼近。

如果能重建出来对应的观察样本，那么就表示RBM获得的隐藏表征非常优质。如下选自Deep Learning书中描述了三种早期的神经网络。

a) 受限玻尔兹曼机，b) 深度信念网络，c) 深度玻尔兹曼机。其中带箭头表示有向图，无箭头表示无向图。

深度信念网络

深度信念网络是一种深层的概率有向图模型，其图结构由多层的节点构成。网络的最底层为可观测变量，其它层节点都为隐变量。最顶部的连接是无向的，其他层之间的连接是有向的。它的目的主要在获取可观测变量下，推断未知变量的状态，并调整隐藏状态以尽可能重构出可观测数据。

在Hinton一个多小时的演讲中，它从信念网络到受限玻尔兹曼机，从基本思想到理论解析展示了整个深度信念网络的全景图。不过Hinton老爷子的演讲还挺难懂的，想要了解的同学可以看看完整的PPT。

理论优美的深度信念网络，Hinton老爷子北大最新演讲相关推荐

深度信念网络_理论优美的深度信念网络，Hinton老爷子北大最新演讲
深度信念网络曾照亮了深度学习的前进之路,今天,Hinton 通过远程视频演讲,再一次为我们展现了DBN的思想与理论之美. 2006年,研究者对深度神经网络的兴趣再度复兴,而这主要归功于Hinton等人 ...
深度信念网络研究现状与展望
来源:专知摘要: 深度信念网络(Deep belief network, DBN)是一种基于深度学习的生成模型, 克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题, 近几年来已成为深度学习 ...
【theano-windows】学习笔记十六——深度信念网络DBN
前言前面学习了受限玻尔兹曼机(RBM)的理论和搭建方法, 如果稍微了解过的人, 肯定知道利用RBM可以堆叠构成深度信念网络(deep belief network, DBN)和深度玻尔兹曼机(dee ...
大话深度信念网络（DBN）
-- 原文发布于本人的微信公众号"大数据与人工智能Lab"(BigdataAILab),欢迎关注. 让我们把时间拨回到2006年以前,神经网络自20世纪50年代发展起来后,因其良好 ...
深度信念网络_【文章推荐】应用于油中溶解气体分析的深度信念网络与典型神经网络对比研究...
文章推荐应用于油中溶解气体分析的深度信念网络与典型神经网络对比研究原文发表在<高压电器>2020年第9期. 请进<高压电器>网站(www.zgydq.com)下载全文. D ...
DBN深度信念网络详解
1. 自联想神经网络与深度网络自联想神经网络是很古老的神经网络模型,简单的说,它就是三层BP网络,只不过它的输出等于输入.很多时候我们并不要求输出精确的等于输入,而是允许一定的误差存在.所以,我们 ...
快速理解深度信念网络
深度信念网络 (Deep Belief Network, DBN) 由 Geoffrey Hinton 在 2006 年提出.它是一种生成模型,通过训练其神经元间的权重,我们可以让整个神经网络按照最大 ...
机器学习笔记之深度信念网络(一)背景介绍与结构表示
机器学习笔记之深度信念网络--背景介绍与结构表示引言深度信念网络场景构建深度信念网络的联合概率分布引言从本节开始,将介绍深度信念网络. 深度信念网络深度信念网络(Deep Belief ...
2021-03-27 深度信念网络（DBN）学习笔记
目录前言 1.BM 2.RBM 二.DBN 总结前言仅此以记录学习过程.深度信念网络(DBN)通过采用逐层训练的方式,解决了深层次神经网络的优化问题,通过逐层训练为整个网络赋予了较好的初始权值, ...

理论优美的深度信念网络，Hinton老爷子北大最新演讲

理论优美的深度信念网络，Hinton老爷子北大最新演讲相关推荐

最新文章

热门文章