受限玻爾茲曼機 — 人工智慧

🎲 受限玻爾茲曼機

具有可見單元和隱藏單元的生成式隨機神經網路。

兩層結構，層內無連接。受限玻爾茲曼機由可見單元和隱藏單元組成，連接僅存在於這兩組單元之間。這種限制使得透過對比散度進行訓練變得可行。

此模型學習可見單元上的機率分佈。隱藏單元則捕獲潛在特徵。訓練完成後，網路可以透過在各層之間運行吉布斯採樣來產生樣本。

主要屬性

在2006年深度學習復興時期，受限玻爾茲曼機（RBM）發揮了核心作用，當時堆疊RBM可以實現有效的預訓練。現代架構，例如變分自編碼器（VAE）和擴散模型，已經在很大程度上取代了RBM，但其想法仍然出現在基於能量的建模研究中。

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.