受限玻尔兹曼机和深度置信网络

从玻尔兹曼机到深度置信网络 本文仍处于草稿阶段，请慎重观看 引言 受限玻尔兹曼机（Restricted Boltzmann Machines, RBM）最初是在1986年由Paul Smolensky发明，在Geoffrey Hinton和合作者在2005年左右为其发明了快速学习的算法之后，RBM得以进一步发展。RBM可用于可用于降维、分类、回归、协同过滤、特征学习和主题建模。根据任务，RBM可用

>>阅读原文<<