受限玻尔兹曼机 — 人工智能

🎲 受限玻尔兹曼机

具有可见单元和隐藏单元的生成式随机神经网络。

两层结构，层内无连接。受限玻尔兹曼机由可见单元和隐藏单元组成，连接仅存在于这两组单元之间。这种限制使得通过对比散度进行训练变得可行。

该模型学习可见单元上的概率分布。隐藏单元则捕获潜在特征。训练完成后，网络可以通过在各层之间运行吉布斯采样来生成样本。

主要属性

在2006年深度学习复兴时期，受限玻尔兹曼机（RBM）发挥了核心作用，当时堆叠RBM可以实现有效的预训练。现代架构，例如变分自编码器（VAE）和扩散模型，已经很大程度上取代了RBM，但其思想仍然出现在基于能量的建模研究中。

Comments (2)

Dr. Ken J. August 26, 2026

RBMs were foundational to the deep learning revolution. They're less common now but historically important.
Nina T. May 3, 2026

The math behind RBMs is not for the faint of heart. Energy based models are elegant but difficult.