深度信念网基于玻尔兹曼机原理。

A.深度信念网为一维向量输入，不能直接用于二位图像

B.受限玻尔兹曼机的层间全连接，权值数量太多

C.需要进行认知－重构的双向计算，学习速度不够快

D.其余三个说法都不对

A.玻尔兹曼机是一种存在全互联的神经网络模型

B.玻尔兹曼机学习结果是使得网络的输入输出联合概率分布与训练集样本的输入输出联合概率分布接近

C.玻尔兹曼机的学习过程是调整权向量和网络结构的过程

D.玻尔兹曼机使用李雅普诺夫能量函数描绘网络状态演化的结果

A.玻尔兹曼机是一种存在全互联的神经网络模型

B.玻尔兹曼机学习结果是使得网络的输入输出联合概率分布与训练集样本的输入输出联合概率分布接近

C.玻尔兹曼机使用李雅普诺夫能量函数描绘网络状态演化的结果

D.玻尔兹曼机的学习过程是调整权向量和网络结构的过程

A.对比散度算法是一种无监督学习算法

B.对比散度算法能够发现训练集中样本最关键的特征

C.对比散度算法能够使真实的样本特征分布和重构的样本特征分布之间的KL散度取得误差范围内的极小值。

D.深度信念网中多层受限玻尔兹曼机同时通过对比散度算法完成预训练

A.基于认可的知识

B.基于信念的认可

C.基于知识的信念

D.基于逻辑的确证