深度置信网络综述：原理、训练方法及应用

深度置信网络 (DBN) 是一种强大的深度学习方法，已广泛应用于图像识别、语音识别、自然语言处理等领域。

'Deep Belief Networks: A Comprehensive Survey'，作者为 Huixiang Zhang、Qinghua Hu、Yong Chen，发表于 2018 年的 IEEE Transactions on Neural Networks and Learning Systems，对 DBN 的基本原理、训练方法、应用场景等进行了综述。

论文首先介绍了 DBN 的起源和发展历程，然后详细阐述了 DBN 的组成结构和工作原理。接着介绍了 DBN 的训练方法，包括有监督和无监督两种。最后，论文总结了 DBN 在各个领域的应用情况，并对未来发展进行了展望。

论文链接：

https://ieeexplore.ieee.org/document/8264370