我正在一个研讨会的背景下对机器学习算法进行一些研究，该研讨会的重点是基于能量的建模与深度学习建模，特别是在处理图像方面。现在我知道这些是广泛的主题，但我想知道一些具体的相似之处和不同之处。我读过无数论文说“EBM 在某些任务中具有比 DL 更好的特性”，但我还没有真正找到全面的动机

• 与 DL 相比，EBM 解决的问题是什么？
• 我们为什么要这样做呢？

我希望这是这个问题的正确站点（我还检查了理论 CS），这把我带到了这里。

更新 根据我的继续阅读，我相信，简单来说，我对 ebm与DL 的概念是错误的。它是一个可以结合深度学习的框架，因此有助于提高深度学习模型的解释能力（从根本上说，它们毕竟是黑匣子！）。这是另一种观点——如果你愿意的话，可以用一副不同的眼镜来看待同样的事情。一个例子是，概率 EBM 生成的概率是实际概率，允许我们对不确定性做出陈述（与常规的软 Mac 输出相反）。此外，它们的生成特性允许更好地校准分类和更好的分布检测。

也许这可能有助于或感兴趣的人仔细阅读这个建模框架