深度学习与TensorFlow：关于DBN的一些认识

最近在学习深度置信网络（DBN）的时候，看过几篇博客，但是在DBN的结构上，一大堆博客讲DBN是将受限玻尔兹曼机（RBM）像砖块一样叠加起来的一个网络，这本身是有一些错误的，修正一波。

1：受限玻尔兹曼机RBM

如图所示

受限玻尔兹曼机本身是一个基于二分图的无向图的模型，图中的一部分是可见层，一部分是隐藏层，并且同层之间的单元和单元之间没有任何连接。

2：深度置信网络DBN

如图所示

DBN有一些与RBM共同的特性，比如同层之间的单元和单元之间没有任何连接，但是DBN是具有多个隐藏层的，并且是涉及有向和无向连接的混合图模型。当然如果我们了解了父节点的依赖关系，DBN也是可以用完全无向图表示的。

3：深度玻尔兹曼机

如图所示

DBM同层之间的单元和单元之间也没有任何连接，DBM是只有几层潜变量的无向图模型，通过对比我们也可以看到，DBM与RBM的联系远不如与DBN来的紧密。

以上就是对其一些见解，希望大家参照花书，深入了解。