详细的介绍了受限玻尔兹曼机（RBM）和深度置信网络(DBN)，看完你就知道什么是深度置信网络了。侵删。

详细的介绍了受限玻尔兹曼机的基本知识、公式推导。

火炬RBM Lua类，以高斯，二进制或整流线性单位实现受限玻尔兹曼机。 请注意，这是正在进行的工作，可能包含许多错误。

此代码是分类受限玻尔兹曼机 (ClassRBM) 的实现。 脚本“trueMinst2Dataset.m”在可由“trainingClassRBM.m”使用的matlab变量中加载MINST数据集。 脚本“trainingClassRBM.m”训练一个 ClassRBM。

基于因子化条件受限玻尔兹曼机的混合推荐方法

Java实现的受限玻尔兹曼机（RBM）。不知道RBM为何物的童鞋可搜索“Deep learning”。这个方向目前很热门。 1、控制台界面，主入口是Test.java 2、训练算法为基本的对比散度法（CD1）。 3、作为演示，Test.java用七段数码显示管的数据对RBM进行了训练。大约在35000次训练后收敛。

提出一种基于集成深度学习模型的情感状态检测方法.首先从脑电信号的时域、频域和时频域中提取4种表征情绪状态显著信息的初始特征;然后使用胶质细胞链改进的深度信念网络分别提取这些特征的高层抽象表示;最后利用判别式受限玻尔兹曼机对高层抽象特征进行融合,进行情感状态预测.在DEAP数据集上进行的实验显示,胶质链能够挖掘和利用EEG不同通道之间的相关性信息,而集成深度学习模型能够有效集成EEG信号在时域、频域和时频域蕴含的情感状态相关的显著性信息.

关于RBM受限玻尔兹曼机的一篇学习文献。感觉作者还是讲得比较好的就共享一下了

受限玻尔兹曼机RBM,ppt

本文包括RBM的所有基础知识。代码可以见hinton的文章 玻尔兹曼机（BMS）是一种特殊的对数线性马尔可夫随机场（MRF）的形式，即，其能量函数在其自由参数的线性空间里。使他们强大到足以代表复杂的分布，我们考虑到一些变量是没有观察到（他们称为隐藏）。通过更多的隐藏变量（也称为隐藏的单位），我们可以增加的玻尔兹曼机的建模能力（BM）。受限玻尔兹曼机进一步限制BMS中那些可见-可见和隐藏-隐藏的连接。本文是一个RBM的描述。