受限玻尔兹曼机 Restricted Boltzmann Machine

受限玻尔兹曼机是具有两层结构、堆成连接且无自主反馈的随机神经网络模型，其特点是层内全连接、层外无连接，它由多伦多大学的 Geoff Hinton 等人提出，可用于降维、分类、回归、协同过滤、特征学习及主体建模算法。

受限玻尔兹曼机上面一层神经元组成隐藏层 Hidden Layer，用 h 向量隐藏层神经元的值；下面一层神经元组成可见层 Visible Layer，用 v 向量表示可见层神经元的值。

不同于玻尔兹曼机，受限玻尔兹曼机层内无连接，因此可说它是受限的，即简化的玻尔兹曼机模型。