Una máquina de Boltzmann restringida (RBM) es un tipo de red neuronal artificial (ANN) para el aprendizaje automático de distribuciones de probabilidad. Una red neuronal artificial es un sistema de hardware y / o software que sigue el modelo del funcionamiento de las neuronas del cerebro humano.
Creado por Geoff Hinton, los algoritmos RBM son útiles para definir la reducción de dimensionalidad, clasificación, regresión, filtrado colaborativo, aprendizaje de características y modelado de temas. Al igual que los perceptrones, son un tipo de red neuronal relativamente simple.
Las RBM entran en las categorías de modelos estocásticos y generativos de inteligencia artificial. Estocástico se refiere a cualquier cosa basada en probabilidades y medios generativos de que utiliza IA para producir (generar) un resultado deseado. Los modelos generativos contrastan con los modelos discriminativos, que clasifican los datos existentes.
Como todas las redes neuronales multicapa, las RBM tienen capas de neuronas artificiales, en su caso dos. La primera capa es la capa de entrada. La segunda es una capa oculta que solo acepta lo que transmite la primera capa. La restricción de la que se habla en RBM es que las diferentes neuronas dentro de la misma capa no pueden comunicarse entre sí. En cambio, las neuronas solo pueden comunicarse con otras capas. (En una máquina de Boltzmann estándar, las neuronas de la capa oculta se comunican entre sí.) Cada nodo dentro de una capa realiza sus propios cálculos. Después de realizar sus cálculos, el nodo toma una decisión estocástica sobre si pasar a la siguiente capa.
Aunque los RBM todavía se usan a veces, en su mayoría han sido reemplazados por redes generativas adversarias o autocodificadores vibratorios.