Két réteg, nincsenek kapcsolatok egy rétegen belül. Egy korlátozott Boltzmann-gép látható egységekből és rejtett egységekből áll, és csak a két csoport között vannak kapcsolatok. Ez a korlátozás a kontrasztív divergencián keresztül könnyen kezelhetővé teszi a betanítást.

A modell valószínűségi eloszlást tanul a látható egységek között. A rejtett egységek látens jellemzőket rögzítenek. A betanítás után a hálózat mintákat generálhat a rétegek közötti Gibbs-mintavételezéssel.

Főbb tulajdonságok

• Kétrészes gráf szerkezet
• Energia alapú valószínűségi modell
• Kontrasztív divergencia tréning
• Építőelemekként használják mély hithálózatokban

Az RBM-ek központi szerepet játszottak a mélytanulás 2006-os újjáéledésében, amikor egymásra rakásuk lehetővé tette a hatékony előtanítást. A modern architektúrák, mint például a virtuális elektroakusztikus detektorok (VAE) és a diffúziós modellek nagyrészt felváltották őket, de az ötletek továbbra is megjelennek az energiaalapú modellezési kutatásokban.