生成学习深度网络

生成学习深度网络（generative learning deep network），工学-控制科学与工程-智能控制-智能控制-模糊控制-可视分析-深度置信网络，深度学习中一类旨在对无标签观测数据的高阶相关性进行建模，或者建立观测数据和数据标签之间的联合概率分布，从而为模式分析、模式综合等提供有力手段的网络模型的统称。又称无监督学习深度网络。生成学习深度网络在学习训练过程中，通过采样或重构的方式生成模拟观测数据，最小化能量函数或重构误差来完成网络参数的调整和优化。具有代表性的生成学习深度网络模型包括深度玻尔兹曼机（deep Boltzmann machine; DBM）、深度置信网络（deep belief network; DBN）、和积网络（sum-product network; SPN）和堆栈降噪自编码器（stacked denoising auto-encoder; SDAE）等。当观测数据对应的标签信息可用时，生成学习深度网络可以通过引入贝叶斯规则，从而转化为监督（判别）学习深度网络进行学习训练。