This HTML5 document contains 203 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbr:Boltzmann_machine

rdf:type

yago:Statement106722453 yago:WikicatNeuralNetworks yago:ComputerArchitecture106725249 yago:Description106724763 yago:WikicatArtificialNeuralNetworks yago:NeuralNetwork106725467 yago:Specification106725067 dbo:Broadcaster owl:Thing yago:Communication100033020 yago:Abstraction100002137 yago:Message106598915

rdfs:label

Машина Больцмана Boltzmann-Maschine ボルツマンマシン Màquina de Boltzmann Máquina de Boltzmann Машина Больцмана Boltzmann machine 玻尔兹曼机

rdfs:comment

ボルツマン・マシン（英: Boltzmann machine）は、1985年にジェフリー・ヒントンとによって開発された回帰結合型ニューラルネットワークの一種である。 A Boltzmann machine (also called Sherrington–Kirkpatrick model with external field or stochastic Ising–Lenz–Little model) is a stochastic spin-glass model with an external field, i.e., a Sherrington–Kirkpatrick model, that is a stochastic Ising Model. It is a statistical physics technique applied in the context of cognitive science. It is also classified as Markov random field. Eine Boltzmann-Maschine ist in der Art ein rekurrentes neuronales Netz, das nach dem österreichischen Wissenschaftler Ludwig Boltzmann benannt wurde. Entwickelt wurde diese von Geoffrey Hinton und Terrence J. Sejnowski im Jahre 1985. Diese Maschinen können zu komplexeren Systemen aneinandergereiht werden wie zum Beispiel tiefe Glaubensnetzwerke. Die Boltzmann-Maschine wird auch stochastischens Hopfield-Netzwerk mit versteckten Einheiten genannt. Beschränkt man die Verbindungen zwischen den Neuronen jedoch, lässt sich der Lernvorgang stark vereinfachen, wodurch Beschränkte Boltzmann-Maschinen sich zur Lösung praktischer Probleme einsetzen lassen. 玻尔兹曼机（Boltzmann machine）是随机神经网络和循环神经网络的一种，由杰弗里·辛顿(Geoffrey Hinton)和(Terry Sejnowski)在1985年发明。 玻尔兹曼机可被视作随机过程的，可生成的相应的Hopfield神经网络。它是最早能够学习内部表达，并能表达和（给定充足的时间）解决复杂的组合优化问题的神经网络。但是，没有特定限制连接方式的玻尔兹曼机目前为止并未被证明对机器学习的实际问题有什么用。所以它目前只在理论上显得有趣。然而，由于和训练算法的赫布性质(Hebbian nature)，以及它们和简单物理过程相似的并行性，如果连接方式是受约束的（即受限玻爾茲曼機），学习方式在解决实际问题上将会足够高效。 它由玻尔兹曼分布得名。该分布用于玻尔兹曼机的。 Una màquina de Boltzmann és un tipus de . El nom li fou donat pels investigadors Geoffrey Hinton i . Les màquines de Boltzmann poden considerar-se com la contrapartida estocàstica i de les xarxes de Hopfield. Van ser dels primers tipus de xarxes neuronals capaços d'aprendre mitjançant representacions internes, són capaços de representar i (amb temps suficient) resoldre complicats problemes combinatoris. No obstant això, a causa d'una sèrie de qüestions que s'aborden més endavant, les màquines de Boltzmann sense restriccions de connectivitat no han demostrat ser útils per resoldre els problemes que es donen en la pràctica en l'aprenentatge o inferència de les màquines. Tot i així resulten interessants en la teoria a causa de la localització ia la natura del seu algorisme d'entrenament, Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebb Маши́на Бо́льцмана (англ. Boltzmann machine) — вид стохастичної рекурентної нейронної мережі, винайденої Джеффрі Хінтоном і Террі Сейновскі 1985 року. Машина Больцмана може розглядатися як стохастичний породжувальний варіант мережі Гопфілда. Фахівці зі статистики називають такі мережі випадковими марковськими полями. Мережу названо машиною Больцмана на честь австрійського фізика Людвіга Больцмана, одного з творців статистичної фізики. Маши́на Бо́льцмана (англ. Boltzmann machine) — вид стохастической рекуррентной нейронной сети, изобретенной Джеффри Хинтоном и в 1985 году. Машина Больцмана может рассматриваться как стохастический генеративный вариант сети Хопфилда. Специалисты по статистике называют такие сети случайными марковскими полями. Сеть названа машиной Больцмана в честь австрийского физика Людвига Больцмана, одного из создателей статистической физики.

owl:sameAs

dbpedia-uk:Машина_Больцмана yago-res:Boltzmann_machine dbpedia-fi:Boltzmannin_kone dbpedia-ca:Màquina_de_Boltzmann dbpedia-he:מכונת_בולצמן n17:ബോൾസ്മാൻ_യന്ത്രം n18:s9kf dbpedia-de:Boltzmann-Maschine dbpedia-es:Máquina_de_Boltzmann dbpedia-ru:Машина_Больцмана dbpedia-ja:ボルツマンマシン n32:04cv5t dbr:Boltzmann_machine dbpedia-zh:玻尔兹曼机 wd:Q194706 n54:4247316-0

foaf:topic

dbr:Boltzmann_Machine dbr:List_of_University_of_Toronto_faculty dbr:Outline_of_machine_learning dbr:Neural_network dbr:Training_algorithms_for_Boltzmann_machines dbr:Visual_release_hallucinations dbr:Types_of_artificial_neural_networks dbr:List_of_things_named_after_Ludwig_Boltzmann dbr:Restricted_Boltzmann_machine dbr:Boltzmann_sampler dbr:Quantum_machine_learning dbr:Helmholtz_machine dbr:Boltzmann_distribution dbr:Learning_rule n35:this dbr:Connectionism dbr:Deep_learning dbr:Feature_learning dbr:Convolutional_neural_network dbr:Ising_model dbr:Encog dbr:Generative_model dbr:Geoffrey_Hinton dbr:Multimodal_learning dbr:Glossary_of_artificial_intelligence dbr:Quantum_computing dbr:Generative_adversarial_network wikipedia-en:Boltzmann_machine dbr:Rumelhart_Prize dbr:Hopfield_network dbr:Terry_Sejnowski

foaf:depiction

n23:png n24:svg n25:png

wdrs:describedby

n8:Synapse n8:Helmholtz_machine n8:Douglas_Hofstadter n8:Cognitive_science n8:Backpropagation n8:Marginal_distribution n8:Artificial_intelligence n40:WikicatNeuralNetworks n8:Prior_probability n53: n8:Yann_LeCun n40:Message106598915 n56:Mvar

dct:subject

dbc:Neural_network_architectures dbc:Ludwig_Boltzmann

dbo:wikiPageID

1166059

dbo:wikiPageRevisionID

1122282459

dbo:wikiPageWikiLink

dbr:Helmholtz_machine dbr:Machine_learning dbr:Energy_function dbr:Markov_chain_Monte_Carlo dbr:Real_number n20: dbr:Gibbs_measure dbr:Thermal_equilibrium n21: dbr:Object_recognition dbr:Speech_recognition dbr:Stochastic_neural_network dbr:Hamiltonian_mechanics dbr:Probability_density dbr:Conditional_probability_distribution dbr:Boltzmann_factor dbr:Log-linear_model dbr:Boltzmann_distribution dbr:Random_variables dbr:Backpropagation dbr:Terry_Sejnowski dbr:Binary_variable dbc:Neural_network_architectures dbr:Bipartite_graph dbr:Robotics dbr:Random_walk dbr:Statistical_mechanics n33:svg n36:png dbr:Paul_Smolensky n38:png dbr:Ludwig_Boltzmann dbr:Computer_vision dbr:Physical_process dbr:Simulated_annealing dbr:Marginal_distribution dbr:Spin_glasses dbr:Latent_variable dbr:Convolutional_neural_networks dbr:Gaussian dbr:Cognitive_science dbr:Ising_Model dbr:Statistics n41: dbr:Kullback–Leibler_divergence dbr:Marginalizing_out dbr:EM_algorithm dbr:Hopfield_network n45: dbr:Gradient_descent dbr:Markov_Random_Field dbr:Partial_derivative dbr:Sampling_function dbr:Ising_model dbr:Artificial_intelligence dbr:Gibbs_sampling dbr:Restricted_Boltzmann_machine dbr:Yann_LeCun dbc:Ludwig_Boltzmann dbr:Geoffrey_Hinton dbr:Binary_number dbr:Douglas_Hofstadter n46: dbr:Markov_random_field dbr:Prior_probability dbr:Synapse dbr:Deep_belief_network dbr:Graphical_model dbr:Hebbian dbr:Deep_learning dbr:Stochastic dbr:Temperature dbr:Energy_based_model dbr:Probability_mass dbr:Spin_glass dbr:Linguistics dbr:Logistic_function dbr:Statistical_physics

dbo:wikiPageExternalLink

n4:pdf n5:1eca51e55817 n6:Boltzmann_Machine n37:pdf n47:pdf n48:pdf n49:pdf n51:AyzOUbkUf3M

foaf:isPrimaryTopicOf

wikipedia-en:Boltzmann_machine

prov:wasDerivedFrom

n43:0

n50:hypernym

dbr:Network

dbo:abstract

Маши́на Бо́льцмана (англ. Boltzmann machine) — вид стохастичної рекурентної нейронної мережі, винайденої Джеффрі Хінтоном і Террі Сейновскі 1985 року. Машина Больцмана може розглядатися як стохастичний породжувальний варіант мережі Гопфілда. Фахівці зі статистики називають такі мережі випадковими марковськими полями. Мережу названо машиною Больцмана на честь австрійського фізика Людвіга Больцмана, одного з творців статистичної фізики. Ця мережа використовує для навчання алгоритм імітації відпалу і виявилася першою нейронною мережею, здатною навчатися внутрішнім поданням, розв'язувати складні комбінаторні завдання. Незважаючи на це, через низку проблем, машини Больцмана з необмеженою зв'язністю не можуть застосовуватися для розв'язання практичних задач. Якщо ж зв'язність обмежено, то навчання може бути достатньо дієвим для застосування на практиці. Зокрема, з каскаду обмежених машин Больцмана будується так звана глибинна мережа переконань. Una máquina de Boltzmann es un tipo de . El nombre le fue dado por los investigadores Geoffrey Hinton y Terry Sejnowski. Las máquinas de Boltzmann pueden considerarse como la contrapartida estocástica y generativa de las redes de Hopfield. Fueron de los primeros tipos de redes neuronales capaces de aprender mediante representaciones internas, son capaces de representar y (con tiempo suficiente) resolver complicados problemas combinatorios. Sin embargo, debido a una serie de cuestiones que se abordan más adelante, las máquinas de Boltzmann sin restricciones de conectividad no han demostrado ser útiles para resolver los problemas que se dan en la práctica en el aprendizaje o inferencia de las máquinas. Aun así resultan interesantes en la teoría debido a la localización y a la naturaleza hebbiana de su algoritmo de entrenamiento, así como por su paralelismo y por la semejanza de su dinámica a fenómenos físicos sencillos. Si se limita la conectividad, el aprendizaje puede ser lo bastante eficaz como para ser útil en la resolución de problemas prácticos. En mecánica estadística se denominan distribuciones de Boltzmann y son utilizadas en funciones de muestreo. 玻尔兹曼机（Boltzmann machine）是随机神经网络和循环神经网络的一种，由杰弗里·辛顿(Geoffrey Hinton)和(Terry Sejnowski)在1985年发明。 玻尔兹曼机可被视作随机过程的，可生成的相应的Hopfield神经网络。它是最早能够学习内部表达，并能表达和（给定充足的时间）解决复杂的组合优化问题的神经网络。但是，没有特定限制连接方式的玻尔兹曼机目前为止并未被证明对机器学习的实际问题有什么用。所以它目前只在理论上显得有趣。然而，由于和训练算法的赫布性质(Hebbian nature)，以及它们和简单物理过程相似的并行性，如果连接方式是受约束的（即受限玻爾茲曼機），学习方式在解决实际问题上将会足够高效。 它由玻尔兹曼分布得名。该分布用于玻尔兹曼机的。 Una màquina de Boltzmann és un tipus de . El nom li fou donat pels investigadors Geoffrey Hinton i . Les màquines de Boltzmann poden considerar-se com la contrapartida estocàstica i de les xarxes de Hopfield. Van ser dels primers tipus de xarxes neuronals capaços d'aprendre mitjançant representacions internes, són capaços de representar i (amb temps suficient) resoldre complicats problemes combinatoris. No obstant això, a causa d'una sèrie de qüestions que s'aborden més endavant, les màquines de Boltzmann sense restriccions de connectivitat no han demostrat ser útils per resoldre els problemes que es donen en la pràctica en l'aprenentatge o inferència de les màquines. Tot i així resulten interessants en la teoria a causa de la localització ia la natura del seu algorisme d'entrenament, així com per la seva paral·lelisme i per la semblança de la seva dinàmica a fenòmens físics senzills. Si es limita la connectivitat, l'aprenentatge pot ser prou eficaç com per ser útil en la resolució de problemes pràctics. En mecànica estadística es denominen distribucions de Boltzmann i són utilitzes en funcions de mostreig. A Boltzmann machine (also called Sherrington–Kirkpatrick model with external field or stochastic Ising–Lenz–Little model) is a stochastic spin-glass model with an external field, i.e., a Sherrington–Kirkpatrick model, that is a stochastic Ising Model. It is a statistical physics technique applied in the context of cognitive science. It is also classified as Markov random field. Boltzmann machines are theoretically intriguing because of the locality and Hebbian nature of their training algorithm (being trained by Hebb's rule), and because of their parallelism and the resemblance of their dynamics to simple physical processes. Boltzmann machines with unconstrained connectivity have not been proven useful for practical problems in machine learning or inference, but if the connectivity is properly constrained, the learning can be made efficient enough to be useful for practical problems. They are named after the Boltzmann distribution in statistical mechanics, which is used in their sampling function. They were heavily popularized and promoted by Geoffrey Hinton, Terry Sejnowski and Yann LeCun in cognitive sciences communities and in machine learning. As a more general class within machine learning these models are called "energy based models" (EBM), because Hamiltonian of spin glasses are used as a starting point to define the learning task. Eine Boltzmann-Maschine ist in der Art ein rekurrentes neuronales Netz, das nach dem österreichischen Wissenschaftler Ludwig Boltzmann benannt wurde. Entwickelt wurde diese von Geoffrey Hinton und Terrence J. Sejnowski im Jahre 1985. Diese Maschinen können zu komplexeren Systemen aneinandergereiht werden wie zum Beispiel tiefe Glaubensnetzwerke. Die Boltzmann-Maschine wird auch stochastischens Hopfield-Netzwerk mit versteckten Einheiten genannt. Beschränkt man die Verbindungen zwischen den Neuronen jedoch, lässt sich der Lernvorgang stark vereinfachen, wodurch Beschränkte Boltzmann-Maschinen sich zur Lösung praktischer Probleme einsetzen lassen. Маши́на Бо́льцмана (англ. Boltzmann machine) — вид стохастической рекуррентной нейронной сети, изобретенной Джеффри Хинтоном и в 1985 году. Машина Больцмана может рассматриваться как стохастический генеративный вариант сети Хопфилда. Специалисты по статистике называют такие сети случайными марковскими полями. Сеть названа машиной Больцмана в честь австрийского физика Людвига Больцмана, одного из создателей статистической физики. Эта сеть использует для обучения алгоритм имитации отжига и оказалась первой нейронной сетью, способной обучаться внутренним представлениям, решать сложные комбинаторные задачи. Несмотря на это, из-за ряда проблем, машины Больцмана с неограниченной связностью не могут использоваться для решения практических проблем. Если же связность ограничена, то обучение может быть достаточно эффективным для использования на практике. В частности, из каскада ограниченных машин Больцмана строится так называемая глубокая сеть доверия. ボルツマン・マシン（英: Boltzmann machine）は、1985年にジェフリー・ヒントンとによって開発された回帰結合型ニューラルネットワークの一種である。

dbo:thumbnail

n55:300

dbo:wikiPageLength

29431

dbp:wikiPageUsesTemplate

dbt:Statistical_mechanics_topics dbt:Tooltip dbt:Authority_control dbt:Short_description dbt:Cite_journal dbt:Reflist dbt:Mvar dbt:Citation_needed dbt:Main