制限付きボルツマンマシントロント大学のジェフ・ヒントンらによって提案された、2 層構造で、自律的なフィードバックを持たない、層内での完全な接続を特徴とするランダム ニューラル ネットワーク モデルです。次元削減、分類、回帰、協調フィルタリング、特徴学習、エージェント モデリング アルゴリズムに使用できます。

制限されたボルツマン マシンのニューロンの上部層は隠れ層 Hidden Layer を形成し、h ベクトルは隠れ層ニューロンの値を表すために使用され、ニューロンの下層は可視層 Visible Layer を形成します。v ベクトルは次のようになります。可視層ニューロンの値を表すために使用されます。

ボルツマン マシンとは異なり、制限付きボルツマン マシンの層には接続がないため、制限付き、つまり単純化されたボルツマン マシン モデルと言えます。

親単語: 人工ニューラル ネットワーク