Abstract (ukr):
З метою дослідження концепції глибинного навчання, зокрема підміну
багатошарового перцептрона на відповідну мережу глибинної довіри, було проведено
комп’ютерне моделювання процесу навчання на тестовій виборці даних.
Багатошаровий перцептрон був замінений на мережу глибинної довіри, що
складається із послідовних обмежених машин Больцмана. Після навчання мережі
глибинної довіри алгоритмом layer-wise training було виявлено, що використання
мереж глибинної довіри значно покращує точність навчання багатошарового
перцептрона методом зворотного розповсюдження помилки.
Abstract (eng):
In order to study the concept of deep learning, in particular the substitution of multilayer perceptron on the corresponding network of deep confidence, computer simulations of the learning process to test voters was carried out. Multi-layer perceptron has been replaced by a network of deep confidence, consisting of successive limited Boltzmann machines. After training of a network of deep confidence algorithm of layer-wise training it was found that the use of networks of deep confidence greatly improves the accuracy of multilayer perceptron training by method of reverse distribution errors.
