Màquina de Boltzmann restrictiva

Una màquina de Boltzmann restrictiva (en anglès RBM, Restricted Boltzmann machine) és una xarxa neuronal artificial estocàstica i generativa que pot aprendre distribucions de probabilitat de les seves entrades. Les RBMs van ser inventades per Paul Smolensky el 1986 i millorades amb algorismes ràpids d'aprenentatge a inicis del segle XXI per Geoffrey Hinton.^[1][2][3]

Fig.1 Diagrama de la RBM amb 3 unitats visibles i 4 unitats amagades

Estructura

Com indica el seu nom, les RBM són una variant de les màquines de Boltzmann, amb la restricció que cada neurona o node ha d'estar formada per un graf bipolar (un grup de unitats visibles que són les entrades i un grup d'unitats amagades) on no hi ha connexions dintre del grup. Vegeu la Fig.1

• Les RMB tenen dues capes : capa visible i capa amagada. La capa visible és l'entrada.
• No hi ha connexions dintre la mateixa capa, vol dir que les neurones són independents entre elles. Amb aquesta simplificació s'obté major simplicitat de càlcul però menor exactitud de la solució.

Referències

1. Gibson, Chris Nicholson, Adam. «A Beginner's Tutorial for Restricted Boltzmann Machines - Deeplearning4j: Open-source, Distributed Deep Learning for the JVM» (en anglès). https://deeplearning4j.org. Arxivat de l'original el 2017-08-29. [Consulta: 29 agost 2017].
2. «Restricted Boltzmann Machines (RBM) — DeepLearning 0.1 documentation» (en anglès). http://deeplearning.net. Arxivat de l'original el 2017-08-29. [Consulta: 29 agost 2017].
3. «Introduction to Restricted Boltzmann Machines» (en anglès). http://blog.echen.me.+[Consulta: 29 agost 2017].

Vegeu també

• Màquina de Boltzmann