深度置信网（deep belief networks），工学-信息与通信工程-大数据处理-大数据分析-深度学习-深度置信网，通过将一系列受限玻耳兹曼机（由二值随机神经元构成的两层对称连接神经网络）单元堆叠进行训练的深度生成式模型。深度置信网是概率统计学与机器学习和神经网络的融合。深度置信网由多个带有数值的层组成，其中层与层之间存在关系，而数值之间没有。深度置信网的主要目标是帮助系统将数据分类到不同的类别。深度置信网的演进经历了几个阶段：①第一代神经网络使用感知器，通过考虑权重或预先馈送的目标属性来识别特定的物体或其他物体。然而，感知器只能在更基本的层面上有效，并不能提高识别的技术。②第二代神经网络引入了反向传播的概念，将得到的输出与期望的输出进行比较，最终目标是使误差值减小到零。支持向量机通过引用先前测试用例的输入来创建和理解更多的测试用例。③针对信念网络的非循环图。这种图能够帮助解决与推理那些和学习问题有关的问题。④深度置信网。它帮助创建存储在叶节点中的无偏值。深度置信网由诸如玻耳兹曼机无监督网络组成。每个子网络的不可见层是下一层的可见层。