RBM系列1：预备知识

受限玻尔兹曼机是一种可用随机神经网络来解释的概率图模型。它由Smolensky于1986年在玻尔兹曼机（BM）的基础上提出，所谓“随机”，是指这种网络中的神经元是随机神经元，其输出只有两种状态（激活和未激活），一般用二进制的0和1来表示，而状态的具体取值则根据概率统计法则来决定。 随着计算机计算性能的迅速提高和快速算法的不断发展，RBM在各种相关机器学习算法中已经变得实际可行。尤其是，在Hinto

>>阅读原文<<