RBM(受限玻尔兹曼机)和DBN(深度信念网络)和DBM(深度玻尔兹曼机)的区别

受限玻尔兹曼机（Restricted Boltzmann Machine，RBM）是一种可用随机神经网络（stochastic neural network）来解释的概率图模型（probabilistic graphical model）。RBM是Smolensky于1986年在波尔兹曼机（Boltzmann Machine，BM）基础上提出的，所谓“随机”是指网络中的神经元是随机神经元，输出状态只有两种（未激活和激活），状态的具体取值根据概率统计法则来决定。RBM理论是Hinton在2006年提出基于RBM的（Deep Belief Network）模型，大量学者开始研究RBM的理论及其应用。

 

 

 

 

 

 

部分转载自： 理论优美的深度信念网络，Hinton老爷子北大最新演讲 - 知乎