Latent structure
制限付きボルツマンマシン (RBM)
制限付きボルツマンマシン (RBM) は、可視 (観測) ユニットと隠れ (潜在) バイナリユニットから構成される2層の生成確率モデルであり、層内接続のない無向二部グラフによって接続されています。元々は1986年にポール・スモレンスキーによって「ハーモニウム」として導入され、2006年の画期的なサイエンス論文でジェフリー・ヒントンとルスラン・サラフディノフによって強力に再評価されました。RBMは、ディープビリーフネットワークの欲張りな層ごとの事前学習の構成要素として歴史的に極めて重要となり、長年の停滞の後、深層ニューラルネットワークへの関心を再燃させました。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Restricted Boltzmann Machine (RBM) — Bipartite Generative Energy Model. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →