อั ลกอริทึม การตื่น-หลับ^{[ 1 ]}เป็น อัลกอริทึม การเรียนรู้แบบไม่กำกับดูแลสำหรับแบบจำลองเชิงสร้างสรรค์เชิง ลึก โดยเฉพาะอย่างยิ่งเครื่องจักรเฮล์มโฮลทซ์ [ ^{2 ] อั}ลกอริทึมนี้คล้ายกับอัลกอริทึมความคาดหวัง-การทำให้สูงสุด^{[ 3 ]}และปรับความน่าจะเป็น ของแบบจำลองให้เหมาะสม กับข้อมูลที่สังเกตได้^{[ 4 ]}ชื่อของอัลกอริทึมนี้มาจากการใช้สองขั้นตอนการเรียนรู้ คือ ขั้นตอน "ตื่น" และขั้นตอน "หลับ" ซึ่งดำเนินการสลับกัน^{[ 1 ]}สามารถมองได้ว่าเป็นแบบจำลองสำหรับการเรียนรู้ในสมอง^{[ 5 ]}แต่ก็ยังถูกนำไปประยุกต์ใช้กับการเรียนรู้ของเครื่องด้วย^{[ 6 ]}

เป้าหมายของอัลกอริทึมการตื่น-หลับคือการค้นหาการแสดงข้อมูลที่สังเกตได้ในรูปแบบ ลำดับชั้น ^{[ 7 ]}ในการแสดงอัลกอริทึมในรูปแบบกราฟิก ข้อมูลจะถูกนำไปใช้กับอัลกอริทึมที่ด้านล่าง ในขณะที่เลเยอร์ที่สูงขึ้นจะสร้างการแสดงที่เป็นนามธรรมมากขึ้นเรื่อยๆ ระหว่างแต่ละคู่ของเลเยอร์จะมีชุดน้ำหนักสองชุด ได้แก่ น้ำหนักการรับรู้ ซึ่งกำหนดวิธีการอนุมาน การแสดง จากข้อมูล และน้ำหนักการสร้าง ซึ่งกำหนดว่าการแสดงเหล่านี้เกี่ยวข้องกับข้อมูลอย่างไร^{[ 8 ]}

การฝึกอบรมประกอบด้วยสองขั้นตอน ได้แก่ ขั้นตอน “ตื่น” และขั้นตอน “หลับ” ได้รับการพิสูจน์แล้วว่าอัลกอริธึมการเรียนรู้นี้ลู่เข้า^{[ 3 ]}

เซลล์ประสาทจะถูกกระตุ้นโดยการเชื่อมต่อการรับรู้ (จากสิ่งที่จะเป็นอินพุตไปยังสิ่งที่จะเป็นเอาต์พุต) จากนั้นการเชื่อมต่อการสร้าง (ที่นำจากเอาต์พุตไปยังอินพุต) จะถูกปรับเปลี่ยนเพื่อเพิ่มโอกาสที่พวกมันจะสร้างกิจกรรมที่ถูกต้องในเลเยอร์ด้านล่าง – ใกล้เคียงกับข้อมูลจริงจากอินพุตทางประสาทสัมผัส^{[ 1 ]}

กระบวนการจะกลับกันในระยะ “หลับ” – เซลล์ประสาทจะถูกกระตุ้นด้วยการเชื่อมต่อแบบสร้าง ในขณะที่การเชื่อมต่อการรับรู้จะถูกปรับเปลี่ยนเพื่อเพิ่มโอกาสที่พวกมันจะสร้างกิจกรรมที่ถูกต้องในชั้นด้านบนขึ้นมาใหม่ – โดยอ้างอิงจากข้อมูลจริงจากอินพุตทางประสาทสัมผัส^{[ 1 ]}

เนื่องจากเครือข่ายการรับรู้มีความยืดหยุ่นจำกัด จึงอาจไม่สามารถประมาณการกระจายความน่าจะเป็นภายหลังของตัวแปรแฝงได้ดี^{[ 6 ]}เพื่อให้สามารถประมาณการกระจายความน่าจะเป็นภายหลังได้ดีขึ้น สามารถใช้การสุ่มตัวอย่างความสำคัญโดยใช้เครือข่ายการรับรู้เป็นการกระจายแบบเสนอแนะ การประมาณการกระจายความน่าจะเป็นภายหลังที่ดีขึ้นนี้ยังช่วยปรับปรุงประสิทธิภาพโดยรวมของแบบจำลองอีกด้วย^{[ 6 ]}

• เครื่องจักรโบลต์ซมันน์แบบจำกัด (Restricted Boltzmann machine ) เป็นโครงข่ายประสาทเทียมชนิดหนึ่งที่ได้รับการฝึกฝนด้วยอัลกอริทึมที่มีหลักการคล้ายคลึงกัน
• เครื่องจักรเฮล์มโฮลทซ์ (Helmholtz machine)คือแบบจำลองเครือข่ายประสาทเทียมที่ได้รับการฝึกฝนโดยอัลกอริทึมการตื่น-หลับ (wake-sleep algorithm)