在论文Improved Classification based on Deep Belief Networks中，作者指出，为了更好地进行分类，在训练分类器之前，将生成模型用于初始化模型和模型特征。通常，他们需要解决单独的无监督和有监督的学习问题。生成受限的玻尔兹曼机器和深度信念网络被广泛用于无监督学习目的。
我的问题是，如果我要通过无监督学习来执行非图像多类分类任务，那么在不考虑数据集也很重要的情况下，使用深度信仰网络或卷积神经网络会更好吗？ / p>
此处Deep Belief Networks vs Convolutional Neural Networks提出了与图像分类任务相关的类似问题。答案表明，对于非图像分类任务，DBN可能比CNN表现更好，但是是否有任何证据可以证明这一点，或者是否有论文对此进行了更深入的探讨？
答案 0 :(得分：0)
卷积神经网络中的操作专门针对图像处理进行了调整。例如，具有参数共享功能的特征提取卷积在图像的不同部分上运行，CNN也包含子采样层，这些子采样层可被理解为生成（处理的）输入图像的较小版本。因此，我可以想象，如果输入数据不是图像或没有足够的图像，那么CNN具有固有的缺点。