玻尔兹曼机是随机神经网络和递归神经网络的一种，由杰弗里·辛顿 (Geoffrey Hinton) 和特里·谢泽诺斯基 (Terry Sejnowski) 于 1985 年发明。

玻尔兹曼机可被视作随机过程的，可生成的相应的 Hopfield 神经网络，它是最早能够学习内部表达，并能表达和解决复杂的组合优化问题的神经网络。

由于局部性和训练算法的赫布性质 (Hebbian nature)，以及它们和简单物理过程相似的并行性，如果连接方式是受约束的，学习方式在解决实际问题上将会足够高效。 它得名于玻尔兹曼分布，该分布用于玻尔兹曼机的抽样函数。