Duas camadas, sem ligações dentro de uma camada. Uma máquina de Boltzmann restrita consiste em unidades visíveis e unidades ocultas, com ligações apenas entre os dois grupos. Esta restrição torna o treino viável através da divergência contrastiva.

O modelo aprende uma distribuição de probabilidade sobre as unidades visíveis. As unidades ocultas captam características latentes. Uma vez treinada, a rede pode gerar amostras executando a amostragem de Gibbs entre camadas.

Propriedades principais

• Estrutura de grafo bipartido
• Modelo probabilístico baseado na energia
• Treino de divergência contrastiva
• Utilizados como blocos de construção em redes de crença profunda

As RBM foram fundamentais para o renascimento da aprendizagem profunda em 2006, quando o seu empilhamento possibilitou um pré-treino eficaz. Arquiteturas modernas como VAEs e modelos de difusão substituíram-nas em grande parte, mas as ideias ainda aparecem na investigação de modelação baseada em energia.