在论文基于深信度网络的改进分类中，作者指出，为了获得更好的分类效果，生成模型被用来初始化模型和模型特征，然后再进行分类器的训练。通常，这些模型需要解决独立的无监督和有监督学习问题。生成型受限玻尔兹曼机和深信度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一个非图像的多类分类任务，不考虑数据集的影响，使用深信度网络还是卷积神经网络会更好？

关于图像分类任务的一个类似问题在这里被问到深信度网络与卷积神经网络。答案指出，深信度网络在非图像分类任务中可能比卷积神经网络表现得更好，但关于这一点是否有任何证据，或者有哪篇论文对此进行了更深入的探讨？

回答：

卷积神经网络中的操作是专门针对图像处理进行调整的。例如，特征提取卷积通过参数共享在图像的不同部分运行，此外，卷积神经网络还包括子采样层，可以理解为生成（处理后）输入图像的较小版本。因此，我认为如果输入数据不是图像或不够像图像，卷积神经网络天生就会处于劣势。