深い信念ネットワークまたはディープボルツマンマシン？

よくわかりません。ディープビリーフネットワークとディープボルツマンマシンには違いがありますか？もしそうなら、違いは何ですか？

Deep Belief Networks（DBN）とDeep Boltzmann Machines（DBM）は図的には非常に似ていますが、実際には質的に非常に異なっています。これは、DBNがリダイレクトされ、DBMがリダイレクトされないためです。それらをより広いML画像に適合させたい場合、DBNは潜在変数の多くの密に接続された層を持つシグモイド信念ネットワークであり、DBMは潜在変数の多くの密に接続された層を持つマルコフ確率場であると言えます。

そのため、これらのモデルのすべてのプロパティを継承します。たとえば、計算するDBN では、は可視層、は非表示変数です。一方、DBMでは、パーティション関数が扱いにくいため、通常、の計算は計算上実行不可能です。v h $P(v|h)$$v$$h$$P$

それは類似点があると言われています。例えば：

1. DBNと元のDBMは両方とも、制限付きボルツマンマシン（RBM）の貪欲なレイヤーワイズトレーニングに基づく初期化スキームを使用して動作します。
2. どちらも「深い」ものです。
3. 両方とも、上下の層に密に接続されている潜在変数の層を備えていますが、層内接続などはありません。

どちらも、RBMの積み重ねられたレイヤーで構成される確率的なグラフィカルモデルです。違いは、これらのレイヤーの接続方法です。

このリンクは、http：//jmlr.org/proceedings/papers/v5/salakhutdinov09a/salakhutdinov09a.pdfをかなり明確にします。図2とセクション3.1が特に重要です。

要約すると：

DBNでは、レイヤー間の接続が指示されます。したがって、最初の2つの層がRBM（無向グラフィカルモデル）を形成し、その後の層が有向生成モデルを形成します。

DBMでは、すべてのレイヤー間の接続は無向であるため、レイヤーの各ペアはRBMを形成します。