제한된 볼츠만 기계

제한된 볼츠만 기계 (RBM) 는 입력 데이터 세트에서 확률 분포를 배울 수 있는 무작위로 생성된 신경 네트워크입니다. RBM 은 처음에 발명가 PaulSmolensky 가 1986 년 Harmonium 으로 이름을 지었지만, 2000 년대 중반 Jeffrey Hinton 과 그의 파트너가 빠른 학습 알고리즘을 발명한 후에야 제한된 볼츠만 기계가 유명해졌다.

이름에서 알 수 있듯이 제한된 볼츠만 기계는 볼츠만 기계의 변형이지만 제한된 모델은 이분도여야 합니다. 모형에는 입력 매개변수에 해당하는 입력 (가시적) 셀과 교육 결과에 해당하는 숨겨진 셀이 포함되어 있으며 도면의 각 모서리는 보이는 셀과 숨겨진 셀을 연결해야 합니다. 반면, "무한" 볼츠만 기계에는 숨겨진 셀 사이의 가장자리가 포함되어 있어 재귀 신경망이 됩니다. 이러한 제한으로 인해 일반 볼츠만 기계보다 더 효율적인 훈련, 특히 그라데이션 기반 contrastivedivergence 알고리즘이 가능해졌습니다.