制約付きボルツマンマシンとはせいやくつきぼるつまんましん

元のボルツマンマシンでは、すべてのニューロンが互いに自由につながっていたため、計算が複雑になりすぎていました。制約付きボルツマンマシンでは、つながり方を入力側と推定側の間だけに限定することで計算を単純にし、学習を現実的な時間で進められるようにしました。

この改良により、次元削減やデータの分類、データに含まれる特徴的な傾向の学習などに応用できるようになりました。さらに2006年には、制約付きボルツマンマシンを何段にも積み重ねた深層ネットワークが提唱され、これがディープラーニングが大きく発展する出発点となりました。