Latent structure
제한 볼츠만 머신 (Restricted Boltzmann Machine, RBM)
제한 볼츠만 머신(RBM)은 가시적(관측된) 단위와 은닉(잠재) 이진 단위로 구성된 2계층 생성 확률 모델로, 계층 내 연결 없이 무방향 이분 그래프로 연결된다. 1986년 Paul Smolensky가 '하모니움(Harmonium)'으로 처음 소개했으며, 2006년 Geoffrey Hinton과 Ruslan Salakhutdinov가 획기적인 Science 논문에서 강력하게 부활시킨 RBM은 수년간의 침체 후 딥 신경망에 대한 관심을 재점화시킨 심층 신뢰 신경망(Deep Belief Network, DBN)의 탐욕적 계층별 사전 훈련을 위한 구성 요소로서 역사적으로 중요한 역할을 했다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Restricted Boltzmann Machine (RBM) — Bipartite Generative Energy Model. ScholarGate. https://scholargate.app/ko/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 →