近年来深度信念网络(Deep Belief Network,DBN)得到了广泛的应用,但在现有文献中很少有关于如何动态确定其结构的详细研究。本文提出了一种使用动态增减枝算法的动态DBN模型(Dynamic Deep Belief Network,DDBN),可以有效的优化DBN的网络结构。DDBN可以使用动态增减枝算法而不是人工实验来自动确定其结构。首先,在训练过程中通过改变隐藏层层数和隐藏层神经元的数量,自动构建DDBN的结构,这是通过动态增减枝算法实现的。该算法依赖于隐藏层神经元的权重距离(Weight Distance,WD)和激活概率的标准差以及整个网络的能量函数。其次,DDBN能够在动态过程中调整权重,有助于提高网络性能。最后,为了验证所提出DDBN的有效性,将DDBN在三个基准图像数据集上进行了测试,包括MNIST、USPS和CIFAR-10。相应的实验结果表明,DDBN比现有的一些DBN结构调整方法具有更好的性能。