Omezený Boltzmannův stroj (RBM)
Omezený Boltzmannův stroj je dvouvrstvý generativní pravděpodobnostní model skládající se z viditelných (pozorovaných) a skrytých (latentních) binárních jednotek propojených neorientovaným bipartitním grafem bez spojení v rámci vrstvy. Původně zavedený jako „Harmonium“ Paulem Smolenskym v roce 1986 a silně oživený Geoffreyem Hintonem a Ruslanem Salakhutdinovem v jejich přelomovém článku v Science z roku 2006, RBM se historicky stal klíčovým stavebním kamenem pro chamtivé vrstevnaté předtrénování hlubokých věřících sítí (Deep Belief Networks), čímž obnovil zájem o hluboké neuronové sítě po letech stagnace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Hinton, G. E., & Salakhutdinov, R. R. (2006). Reducing the Dimensionality of Data with Neural Networks. Science, 313(5786), 504–507. DOI: 10.1126/science.1127647 ↗
- Hinton, G. E. (2002). Training Products of Experts by Minimizing Contrastive Divergence. Neural Computation, 14(8), 1771–1800. DOI: 10.1162/089976602760128018 ↗
- Smolensky, P. (1986). Information Processing in Dynamical Systems: Foundations of Harmony Theory. In D. E. Rumelhart & J. L. McClelland (Eds.), Parallel Distributed Processing, Vol. 1 (pp. 194–281). MIT Press. ISBN: 978-0-262-68053-0
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 20). MIT Press. ISBN: 978-0-262-03561-3
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Restricted Boltzmann Machine (RBM) — Bipartite Generative Energy Model. ScholarGate. https://scholargate.app/cs/deep-learning/restricted-boltzmann-machine
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AutoencoderHluboké učení↔ compare
- Hluboká víra v síť (DBN)Hluboké učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →