Una macchina Boltzmann ristretta (RBM) è un tipo di rete neurale artificiale (ANN) per l'apprendimento automatico delle distribuzioni di probabilità. Una rete neurale artificiale è un sistema di hardware e / o software modellato dopo il funzionamento dei neuroni nel cervello umano.
Creati da Geoff Hinton, gli algoritmi RBM sono utili per definire la riduzione della dimensionalità, la classificazione, la regressione, il filtraggio collaborativo, l'apprendimento delle funzionalità e la modellazione degli argomenti. Come i perceptrons, sono un tipo relativamente semplice di rete neurale.
Gli RBM rientrano nelle categorie dei modelli stocastici e generativi di intelligenza artificiale. Stocastico si riferisce a tutto ciò che si basa sulle probabilità e significa generativo che utilizza l'IA per produrre (generare) un output desiderato. I modelli generativi contrastano con i modelli discriminanti, che classificano i dati esistenti.
Come tutte le reti neurali multistrato, gli RBM hanno strati di neuroni artificiali, nel loro caso due. Il primo livello è il livello di input. Il secondo è un livello nascosto che accetta solo ciò che viene trasmesso dal primo livello. La restrizione di cui si parla in RBM è che i diversi neuroni all'interno dello stesso strato non possono comunicare tra loro. Invece, i neuroni possono comunicare solo con altri livelli. (In una macchina Boltzmann standard, i neuroni nello strato nascosto intercomunicano.) Ogni nodo all'interno di uno strato esegue i propri calcoli. Dopo aver eseguito i calcoli, il nodo prende quindi una decisione stocastica sull'opportunità di passare al livello successivo.
Sebbene a volte siano ancora utilizzati gli RBM, sono stati per lo più sostituiti da reti antagoniste generative o auto-codificatori vibrazionali.