如何使用“ complementary priors ”去减少解释在含有许多隐藏的层的紧密连接置信网方面推理比较困难的影响。 利用先验互补, 倘若最高的两侧形成一个无向联想记忆,我们同时可以得到这样一个含有一个层次的快速贪心算法。 快速贪心算法被用来初始化一个慢学习的过程, 它通过使用唤醒睡眠算法的对比版本微调权重。 微调后, 含有三个隐藏层的网络形成一个很好的关于手写数字图像和标签的联合分布的生成模型。 相对于最好的判别式算法而言, 生成模型给出了更好的数字分类。 使用顶层联想记忆的在自由能量景观的长峡谷来对数字谎言的低维流形进行建模, 便于我们探讨这些峡谷, 通过使用直接连接的方式展示已经形成的联想记忆……。