深度信念网络（DBN）

深度置信网络是一个概率生成模型，由多个限制玻尔兹曼机(restricted Botlzmannmachine，RBM)组成的多隐含层神经网络，通过RBM的逐层堆叠，DBN模型可从原始数据中逐层提取特征，获得一些高层次表达。其核心就是用逐层贪婪学习算法去优化深度神经网络的连接权重，即首先使用无监督逐层训练的方式，有效挖掘待诊断设备中的故障特征，然后在增加相应分类器的基础上，通过反向的有监督微调，优化 DBN 的故障诊断能力。其中无监督逐层训练通过直接把数据从输入映射到输出，能够学习一些非线性复杂函数，这也是其具备强大特征提取能力的关键所在。

1.受限波曼兹机（RBM）

rbm结构图如下所示

一个简单的rbm由可见层和隐藏层构成，可见层节点有m个{v1,v2,...,vm}，隐藏层节点有n个{h1,h2,...,hn}，图中{b1,b2,...,bm}和{c1,c2,...,cn}为各节点的偏移量，w为节点间的权重值。

rbm是一个随机网络，描述一个随机网络主要有以下2点：