1、隨著信息技術的飛速發(fā)展，信息充滿人們的日常生活。而圖像在所有信息中占據(jù)最重要的地位，它包含的信息量大，而且易于被人們接受，相比于聲音和文字，圖像更加直接。因此，圖像處理具有現(xiàn)實的研究意義和廣泛的應用前景。為了實現(xiàn)圖像智能識別的任務，采用深度學習技術為解決該問題提供了一個重要的方向。深度學習模仿人腦的視覺機制來學習樣本數(shù)據(jù)之間的內在規(guī)律和表示層次，能夠深刻表達數(shù)據(jù)的本質特征，是機器學習領域中一個備受關注的研究方向。深度信念網絡以研究某些對

2、象或過程的分類與描述為主要內容，可以直接利用原始圖像進行識別測試，為原始圖像的特征提取和后續(xù)圖像的識別提供基礎模型，是一種重要的多層網絡結構。本文在對深度信念網絡進行深入理論研究的基礎上，將其簡單應用于故障指示器識別中。
　　本文從能量公式出發(fā)，推導了DBN的權值和偏置的表達式，建立了DBN的基本等效模型。基于此模型，從表達式的角度解釋了權值和偏置的意義、權值和偏置收斂的最終目標；偏置與信號的能量的關系，與概率的關系。從模型的角度