DBN은 2006년에 최초로 컨볼루션 연산을 사용하지 않고 심층 구조상에서 학습을 성공시킨 모델이다. DBN은 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine)이라는 신경망 모델을 단위 블록으로 사용해 층을 쌓음으로써 깊은 신경망을 구성하는 딥 러닝 모델이다.
컨볼루션 신경망이 계산을 수행할 때 결정적인 계산을 수행하는 것과 달리 확률적으로 출력값을 계산한다. DBN은 비지도 방식으로 계층마다 학습을 진행하는데, 이때 각각의 계층은 보통 RBM의 형태를 띠고 있다.
제한 볼츠만 머신(RBM)의 구조는 단순하다. 관찰할 수 있는 가시층과 은닉층으로만 구성된다.
다만 같은 층 내부 노드 간의 연결은 없고 층과 층 사이와의 연결만 있다. 이런 점에서 제한적이라고 불린다.
역전파 신경망과 비슷하게 RBM도 입력 노드에 가중치를 곱한 다음 시그모이드(Sigmoid) 함수를 적용해 은닉층의 값을 구하는 방법은 비슷하다. 다만 확률적으로 샘플링해서 구한다.
역전파 ...
#DBN
#DeepBeliefNetwork
#가시층
#심층신뢰망
#은닉층
#인공지능
#제한볼츠만
원문링크 : 심층 신뢰망(DBN, Deep Belief Network)