Restricted Boltzmann Machine (RBM)
Eine Restricted Boltzmann Machine (RBM) ist ein zweischichtiges generatives probabilistisches Modell, das aus sichtbaren (beobachteten) und verborgenen (latenten) binären Einheiten besteht, die durch einen ungerichteten bipartiten Graphen ohne Verbindungen innerhalb der Schichten verbunden sind. Ursprünglich 1986 von Paul Smolensky als „Harmonium“ eingeführt und 2006 von Geoffrey Hinton und Ruslan Salakhutdinov in ihrem wegweisenden Science-Artikel wiederbelebt, wurden RBMs historisch bedeutsam als Baustein für das gierige schichtweise Vortraining von Deep Belief Networks, was das Interesse an tiefen neuronalen Netzen nach Jahren der Stagnation neu entfachte.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Restricted Boltzmann Machine (RBM) — Bipartite Generative Energy Model. ScholarGate. https://scholargate.app/de/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.
- AutoencoderDeep Learning↔ compare
- Deep Belief Network (DBN)Deep Learning↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →