受限玻爾茲曼機和深度置信網絡

從玻爾茲曼機到深度置信網絡 本文仍處於草稿階段，請慎重觀看 引言 受限玻爾茲曼機（Restricted Boltzmann Machines, RBM）最初是在1986年由Paul Smolensky發明，在Geoffrey Hinton和合作者在2005年左右爲其發明了快速學習的算法之後，RBM得以進一步發展。RBM可用於可用於降維、分類、迴歸、協同過濾、特徵學習和主題建模。根據任務，RBM可用

>>阅读原文<<