如果萬一大家不小心檢索到了本篇文章，為了不浪費大家的時間，請大家直接看 寫在很好，太好好好！！！（本篇內容僅僅用於我的自我複習）
它長這樣子：它的特點： 在給定可見層單元狀態（輸入資料）時，各隱層單元的啟用條件獨立，反過來看，在給定隱層單元狀態時，可見層單元的啟用條件也是獨立的。
其中的引數：可見層用v表示，隱含層用h表示，可見層的偏置用a表示，隱含層的偏置用b表示，權值矩陣用w表示。
它是什麼東西：它就是乙個隨機網路模型， 給定輸入層，一定的條件概率下對映到隱含層；然後再根據一定的概率對映出來，結果盡可能與原始的輸入相同。 一切都是建立在概率上！！！！
說實話，這是什麼玩意啊，它能幹什麼啊。 我目前真的不是很清楚啊。
， 其中
所以呢，把我們把這個統計學的分布應用於我們的受限的波爾北曼機時，如何定義它的能量函式是很重要的了。
下面是能量函式的定義公式，為什麼這麼定義呢？不是很明白啊。我感覺吧：可能怎麼定義都可以吧，能夠自圓其說就可以吧。反正就是自己定義的了。定義不同的能量函式，最後訓練出來的網路的引數不同嘛，最後的分布應該是不變的，因為我們就是朝著它的分布而去訓練的網路啊。。
利用這個能量函式，定義出受限有波爾茲曼機的狀態概率：給定狀態(v,h), 它的聯合概率為：
，其中，
一些相關的概率：（來自：很清晰的推導過程，寫的太棒了，
其中的乙個推導過程：
為什麼我感覺對比散度演算法與gibbs取樣沒有區別啊就是把隨機的初始值變為了樣本值了吧（意思就是現在的樣本是符合平穩的馬爾可夫鏈的分布的）。不先寫了，有一些問題想不明白。。不先寫了，有一些問題想不明白。。
神經網路學習筆記 波爾茲曼 Boltzmann 機
boltzmann機是一種反饋隨機神經網路 兩種輸出狀態，單極性0或1。輸出狀態的取值根據概率統計法則決定，這種概率統計法則類似boltzmann分布，部分反饋 它在神經元狀態變化中引入了統計概率，網路的平衡狀態服從boltzmann分布，網路執行機制基於模擬退火演算法。離散hopfield神經網路...
受限玻爾茲曼機二
限制波爾茲曼機rbm使用方法 限制波爾茲曼機rbm能量模型 從能量模型到概率 求解極大似然 用到的抽樣方法 馬爾科夫蒙特卡羅簡介 參考文獻 利用上面的公式得到的是某個單元狀態為1的輸出概率。那麼怎樣才能確定這個單元的狀態是1呢？它通過產生乙個0 1的隨機，如果這個隨機數小於上面得到的概率值，這個單元...
受限玻爾茲曼機二
博主falao beiliu寫的一篇非常好的文章。這裡為方便自己以後速查，做個導航。原文目錄 限制波爾茲曼機rbm使用方法 限制波爾茲曼機rbm能量模型 從能量模型到概率 求解極大似然 用到的抽樣方法 馬爾科夫蒙特卡羅簡介 參考文獻 利用上面的公式得到的是某個單元狀態為1的輸出概率。那麼怎樣才能確定...
