受限玻尔兹曼机是波尔滋蔓机去掉相同层间连接的网络。
即受限波尔滋蔓机可见层之间没有连接,隐藏层之间也没有连接,但是可见层和隐藏层之间是全连接。
受限玻尔兹曼机与玻尔兹曼机一样,是一个随机神经网络系统。
特点:每个神经元的取值只能是0,或者1
训练方法:对比散度
受限玻尔兹曼机变化的过程,或者说是运行过程:
给可见层一个输入,然后系统会开始震荡,最后所有的神经元稳定下来,在可见层得到一个输出。
神经元的状态变化不是固定的,是以一定概率分布进行变化的。
当网络进入稳定状态后,所有神经元的状态,包括隐藏层和可见层的联合分布是符合玻尔兹曼分布的。(此处需参考玻尔兹曼机的原理)
因为受限玻尔兹曼机的神经元是异步更新的,所以在已知权值和偏置的情况下,第j个神经元更新,那么首先要计算出第j个神经元的输入,然后算出该神经元取1的概率,最后从[0,1]的均匀分布中随机产生一个数,如果该数大于取1的概率,那么就取0,如果小于等于取1的概率值,那么就取1。该神经元取1的概率是: