玻爾茲曼機

玻爾茲曼機(英語:Boltzmann machine)是隨機神經網絡循環神經網絡的一種,由加拿大計算機科學家傑弗里·辛頓和美國計算機科學家特里·謝澤諾斯基英語Terry Sejnowski在1985年發明。

玻爾茲曼機的圖像表示. 每條無向邊都表示一對依賴關係. 在這個例子中有三個隱藏節點和四個可見節點,它並不是一個約束玻爾茲曼機(restricted Boltzmann machine).

玻爾茲曼機可被視作隨機過程的,可生成的相應的霍普菲爾德神經網絡。它是最早能夠學習內部表達,並能表達和(給定充足的時間)解決複雜的組合優化問題的神經網絡。但是,沒有特定限制連接方式的玻爾茲曼機目前為止並未被證明對機器學習的實際問題有什麼用。所以它目前只在理論上顯得有趣。然而,由於局部性和訓練算法的赫布性質,以及它們和簡單物理過程相似的並行性,如果連接方式是受約束的(即受限玻爾茲曼機),學習方式在解決實際問題上將會足夠高效。

它由玻爾茲曼分佈得名。該分佈用於玻爾茲曼機的抽樣函數

延伸閱讀

外部連結