随机神经网络—玻尔兹曼机

[帝国文明]

玻尔兹曼机（Boltzmann machine）：一种神经网络模型，由相互作用的二进制单元组成，其中单元处于活跃状态的概率取决于其整合的突触输入。该模型以19世纪物理学家路德维希·玻尔兹曼命名，他是统计力学的奠基人。
玻尔兹曼机借鉴了模拟退火思想。随机神经网络与其他神经网络相比有两个主要区别 ：在学习（训练）阶段， 随机网络不像其他网络那样基于某种确定性算法调整权值，而是按某种概率分布进行修改；通俗解释，Hopfield网络的权值用某种方法一步确定，而玻尔兹曼机像BP网络一样，每训练一次，权值改变一次。
另一个区别是在运行（预测）阶段，随机网络不是按某种确定性的网络方程进行状态演变，而是按某种概率分布决定其状态的转移。神经元的净输入不能决定其状态取１还是取０，但能决定其状态取１还是取０的概率。这就是随机神经网络算法的基本概念。Hopfield网络后一状态的值由前一状态决定，玻尔兹曼机后一状态的值受到前一状态影响。