深度波尔茨曼机（Deep Boltzmann Machine，DBM）由多层受限波尔茨曼机（RestrictedBoltzmann Machine，RBM）堆叠而成，而深度信念网络（Deep Belief Network，DBN）则由多层受限波尔茨曼机再加上一层BP网络所构成。由于RBM的训练可分层进行，因此DBM能够有效避免深层网络训练中存在的误差累积传递过长问题。
（一）受限波尔茨曼机的结构
受限波尔茨曼机是一种对称耦合的随机反馈型二值单元神经网络。RBM作为波尔茨曼机（BM）的一种变形，RBM与BM的最大区别是，RBM限制同层节点之间无连接其的基本结构如图8－8所示。单个RBM是一个两层的浅层网络，一层是可见层V，其节点叫可见节点，用于接收输入数据；另一层是隐层H，其节点叫隐节点，起着特征探测器的作用。在RBM中，节点之间的连接方式满足，同层节点之间无连接，层间节点之间为全连接，任意两个相连接的节点都有自身的权重，权重矩阵为W。RBM作为一种二值单元神经网络，其所有节点都是随机二值变量节点，即各节点的取值都只有“0”和“1”两种状态。
图8-8 受限波尔茨曼机结构
（二）深度波尔茨曼机与深度信念网络的结构(www.xing528.com)
深度波尔茨曼机由若干层受限波尔茨曼机堆叠而成，而深度信念网络由多层受限波尔茨曼机再加上一层BP网络所构成。以3层波尔茨曼机为例，其深度波尔茨曼机的基本结构如图8－9所示。在该模型中，前一层波尔茨曼机隐层作为下一层波尔茨曼机的可见层。
图8-9 深度波尔茨曼机结构
深度信念网络DBN也称为深度置信网络，与深度波尔茨曼机在结构上的主要差别是最后一层，其最后一层是BP网络。以两层RBM和一层BP构成的DBN为例，其基本结构如图8－10所示。其中，向上的实箭号为信号传播，向下的虚箭号为误差反向传播。
图8-10 深度信念网络结构
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
