15K
2579
受限玻耳兹曼机
RBM是玻耳兹曼机（Boltzmann machine，BM）的一种特殊拓扑结构。RBM是BM的一种变体，其限定模型为二分图。模型中包含对应输入参数的可见单元和对应训练结果的隐藏单元，两组单元中的每一组的一对节点具有对称连接。相比之下，无限制BM可能包含隐藏单元间的连接，这种限定使得相比一般BM更高效的训练算法成为可能，特别是基于梯度的对比分歧（contrastive divergence）算法。
RBM由一个可见神经元层和一个隐藏神经元层组成。由于隐层神经元之间没有相互连接且隐层神经元独立于给定的训练样本，这使得直接计算依赖数据的期望值变得容易。可见层神经元之间也没有相互连接。通过从训练样本得到的隐层神经元状态上执行马尔可夫链（Markov chain，MC）抽样过程，来估计独立于数据的期望值，并行交替更新所有可见层神经元和隐层神经元的值。
BM及其模型已经成功应用于协同滤波、分类、降维、图像检索、信息检索、语言处理、自动语音识别、时间序列建模、文档分类、非线性嵌入学习、暂态数据模型学习和信号与信息处理等任务。RBM在降维、分类、协同过滤、特征学习和主题建模中都有应用。根据任务的不同，可以以监督学习或无监督学习的方法进行训练。RBM也可被用于深度学习网络，可使用多个RBM堆叠并可选地使用梯度下降法和反向传播算法进行调优，便可得到深层信任网络。
