2層構造で、層内には接続がない。制限付きボルツマンマシンは、可視ユニットと隠れユニットから構成され、接続は2つのグループ間のみに存在する。この制限により、対照発散法を用いた学習が容易になる。
このモデルは、可視ユニットに関する確率分布を学習します。隠れユニットは潜在的な特徴を捉えます。学習が完了すると、ネットワークは層間でギブスサンプリングを実行することでサンプルを生成できます。
主な特性
- 二部グラフ構造
- エネルギーベースの確率モデル
- 対照的発散訓練
- 深い信念ネットワークの構成要素として使用される
RBMは、2006年の深層学習復興において中心的な役割を果たし、それらを積み重ねることで効果的な事前学習が可能になった。VAEや拡散モデルといった現代的なアーキテクチャがRBMに取って代わったものの、その概念はエネルギーベースのモデリング研究において依然として見られる。
Comments (2)
Leave a comment