受限玻尔兹曼机

类似一个autoencoder，但是压缩的结果是不定的，每个节点符合伯努利分布
首先，根据能量函数，能量越大，出现的概率越低，给出的是显层和隐层的联合概率分布，据此可以得出，显层和隐层的条件概率分布

如何训练：
先根据显层预测隐层
再根据隐层预测显层
w = w + r*(两次显层的差值)

推荐系统的应用
假设一个人有N个物品有评分，M个物品无评分，就将这个人的N个物品评分放入受限玻尔兹曼机中进行训练，M个无评分物品对应的权重w不用更新，
放入下一个人的评分，依次循环
经过若干轮循环，w收敛稳定，网络训练结束
最后：放入一个人的M个物品评分，就能反推出他的那N个没有打分的物品的可能打分