视觉机器学习20讲-MATLAB源码示例（17）-RBM学习算法

1. RBM学习算法

受限玻尔兹曼机（restricted Boltzmann machine, RBM）是一种可通过输入数据集，学习概率分布的随机生成型神经网络。RBM最初由Paul Smolensky 于1986年提出，并将该模型命名为Harmonium(簧风琴)，后又由Geoffrey Hinton 教授改进发明了快速的训练算法才被广泛使用，并由此得名RBM。RBM主要可用于降维、分类、协同过滤、表征学习及神经网络预训练等场景。

受限玻尔兹曼机因该模型是玻尔兹曼机的简化版而得名。玻尔兹曼机是一种随机神经网络，得名于其使用到的分布为统计力学中的玻尔兹曼分布。受限玻尔兹曼机相对于玻尔兹曼机，其简化了网络中同层之间的相连条件，即不存在层内各节点的相互连接。这样，网络中同层的各节点之间就相互独立。

2. Matlab仿真

%%%%