machine-learning - 卷积深度信念网络 (CDBN) 与卷积神经网络 (CNN)

Question

最后，我开始学习神经网络，我想知道卷积深度信念网络和卷积网络之间的区别。在这里，有一个类似的问题，但没有确切的答案。我们知道卷积深度信念网络是 CNNs + DBNs。所以，我要做一个物体识别。我想知道哪一个比其他更好或它们的复杂性。我进行了搜索，但找不到任何可能做错的事情。

Answer 1

我不知道你是否还需要答案，但无论如何我希望你会发现这很有用。

CDBN 增加了 DBN 的复杂性，但如果您已经有一些背景知识，那就没那么复杂了。
如果您担心计算复杂性，这实际上取决于您如何使用 DBN 部分。DBN 的作用通常是初始化网络的权重以加快收敛速度​​。在这种情况下，DBN 仅在预训练期间出现。
你也可以像判别网络一样使用整个 DBN（保持生成能力），但它提供的权重初始化对于判别任务来说已经足够了。因此，在假设的实时利用期间，这两个系统在性能方面是相同的。

此外，无论如何，第一个模型提供的权重初始化确实有助于像对象识别这样的困难任务（即使单独一个好的卷积神经网络也不能达到很好的成功率，至少与人类相比），所以它通常是一个不错的选择。