machine-learning - 畳み込みディープ ビリーフ ネットワーク (CDBN) と畳み込みニューラル ネットワーク (CNN)

Question

最後に、ニューラル ネットワークの学習を開始しました。畳み込みディープ ビリーフ ネットワークと畳み込みネットワークの違いを知りたいです。こちらにも同様の質問がありますが、正確な答えはありません。Convolutional Deep Belief Network は CNN + DBN であることはわかっています。ということで、物体認識を行います。どちらが他のものよりもはるかに優れているか、またはそれらの複雑さを知りたいです。検索しましたが、何か間違っている可能性があるものは見つかりませんでした。

Answer 1

まだ回答が必要かどうかはわかりませんが、とにかくこれが役立つことを願っています.

CDBN は DBN の複雑さを追加しますが、すでにある程度のバックグラウンドを持っている場合、それほど複雑ではありません。
代わりに計算の複雑さが心配な場合は、DBN 部分の使用方法に大きく依存します。通常、DBN の役割は、収束を高速化するためにネットワークの重みを初期化することです。このシナリオでは、DBN は事前トレーニング中にのみ表示されます。
DBN 全体を識別ネットワークのように使用することもできます (生成力を維持します) が、それによって提供される重みの初期化は、識別タスクには十分です。そのため、仮想的なリアルタイム使用中は、2 つのシステムのパフォーマンスは同等です。

また、最初のモデルによって提供される重みの初期化は、オブジェクト認識のような困難なタスクに本当に役立ちます (少なくとも人間と比較して、優れた畳み込みニューラル ネットワークだけでは高い成功率には達しません)。したがって、一般的には適切な選択です。