W pracy przedstawiono podstawowe zasady budowy i nauczania sieci neuronowej głebokiego zaufania do określenia semantycznie ważnych oznak na podstawie próbki CIFAR-10. Dla przygotowania do nauki sieci neuronowej głębokiego zaufania stosuje się opracowane podejście na podstawie minimalizacji błędu rekonstrukcyjnego obrazów widocznych i ukrytych dla ograniczonej maszyny Boltzmanna (RBM).
EN
The main principles of construction and learning deep belief neural networks for extraction valuable semantic features are proposed. The proposed approach is based on minimization of reconstruction mean square error, which we can obtain using a simple iterations of Gibbs sampling.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.