深度学习的分类方法与类型简介

深度学习是一种基于深层网络模型、面向低层数据对象、采用逐层抽象机制、最终形成高层概念的机器学习方式。深度学习的类型有多种分类方法，可以按有无监督，分为有监督深度学习和无监督深度学习；也可按其作用，分为生成式深度学习、判别式深度学习和混合式深度学习。下面是把二者结合起来考虑的分类方法。

（一）无监督生成式深度学习

无监督学习是指在训练过程中不使用与特定任务有关的监督信息。生成式学习方法是指通过样本数据生成与其相符的有效目标模型。典型的无监督生成式深度学习模型包括受限波尔茨曼机（RBM）、深度置信网络（DBN）、深度自编码网络（Deep Autoencoder，DA）等。

（二）有监督判别式深度学习(www.xing528.com)

有监督学习是指由训练样本的期望输出来引导的学习方式。它要求样本集中的每个训练样本都要有明确的类别标签，并通过逐步缩小实际输出与期望输出之间的差别来完成网络学习。典型的有监督判别式深度学习方法包括卷积神经网络（CNN）、深度堆叠网络（DSN）、递归神经网络（Recurrent Neural Networks，RNN）等。

（三）有监督无监督混合式学习

有监督无监督混合式学习是将有监督深度学习和无监督深度学习相结合的学习方式，其目标是有监督的判别式模型，同时以无监督的生成式作为辅助手段，典型的有监督无监督混合式学习模型有递归神经网络（RNN）、和积神经网络（Sum－product Network，SPN）等。