Dua lapisan, tanpa koneksi di dalam satu lapisan. Mesin Boltzmann terbatas terdiri dari unit yang terlihat dan unit tersembunyi, dengan koneksi hanya antara kedua kelompok tersebut. Pembatasan tersebut membuat pelatihan dapat dilakukan melalui divergensi kontrastif.

Model ini mempelajari distribusi probabilitas atas unit-unit yang terlihat. Unit-unit tersembunyi menangkap fitur-fitur laten. Setelah dilatih, jaringan dapat menghasilkan sampel dengan menjalankan pengambilan sampel Gibbs di antara lapisan-lapisan tersebut.

Properti utama

• Struktur graf bipartit
• Model probabilistik berbasis energi
• Pelatihan divergensi kontrastif
• Digunakan sebagai blok bangunan dalam jaringan kepercayaan mendalam.

RBM (Responsive-Based Modeling) merupakan elemen sentral dalam kebangkitan deep learning pada tahun 2006, ketika penumpukan RBM memungkinkan pelatihan awal yang efektif. Arsitektur modern seperti VAE (Variable Amplification Engine) dan model difusi sebagian besar telah menggantikannya, tetapi ide-ide tersebut masih muncul dalam penelitian pemodelan berbasis energi.