볼츠만 머신

기계 학습과 데이터 마이닝
패러다임 지도 학습 비지도 학습 온라인 기계 학습 메타-학습 준지도 학습 자기 지도 학습 강화 학습 규칙 기반 기계 학습 뉴로모픽 엔지니어링 양자 기계 학습
문제 분류 생성 모델 회귀 분석 클러스터 분석 차원 축 이상 탐지 데이터 정제 AutoML 연관 규칙 학습 구조 기반 예측 특징 공학 특징 학습 순위 학습 문법 유도 온톨로지 학습 멀티모덜 학습
지도 학습 (통계적 분류 • 회귀 분석) 결정 트리 학습법 앙상블 학습법 배깅 부스팅 랜덤 포레스트 최근접 이웃 탐색 k-NN 선형 회귀 나이브 베이즈 인공신경망 로지스틱 회귀 퍼셉트론 상관 벡터 머신(RVM) 서포트 벡터 머신(SVM)
클러스터 분석 BIRCH CURE 알고리즘 계층적 군집화 k-평균 알고리즘 퍼지 클러스터링 기댓값 최대화 알고리즘 DBSCAN OPTICS 평균이동
차원 축소 인자 분석 CCA 독립 성분 분석 선형 판별 분석 음수 미포함 행렬 분해 주성분 분석 t-SNE
구조화 예측 그래프 모형 베이즈 네트워크 조건부 무작위장 은닉 마르코프 모형 잠재 디리클레 할당
이상 탐지 무작위 표본 합의 k-최근접 이웃 알고리즘 국소 특이점 요인 고립 포레스트
인공 신경망 오토인코더 딥 러닝 순방향 신경망 순환 신경망 LSTM GRU 볼츠만 머신 제한된 생성적 적대 신경망 확산 모델 자기조직화 지도 합성곱 신경망 U-Net LeNet 알렉스넷 딥드림 신경 방사장 트랜스포머 비전 맘바 스파이킹 신경망 멤트렌지스터 전기화학 RAM 다층 퍼셉트론
강화 학습 Q 러닝 SARSA 시간차 학습
인간 참여학습 액티브 러닝 크라우드소싱 휴먼인더루프 RLHF
모델 진단 결정계수 혼동 행렬 러닝 커브 수신자 조작 특성
이론 커널 메소드 편향-분산 트레이드오프 계산학습이론 경험적 위험 최소화 PAC 러닝 통계적 학습이론 VC 이론
회의/저널 NeurIPS ICML ICLR ML JMLR
관련 문서 기계 학습 알고리즘 목록 기계 탈학습 지식 증류 유사도 학습 대조 학습
v t e

볼츠만 머신(Boltzmann machine)는 루트비히 볼츠만의 이름을 딴 용어로, 특수 에너지 기반 모델이다. 이는 외부 필드가 있는 확률론적 스핀 유리 모델, 즉 확률론적 이징 모형인 셰링턴-커크패트릭 모델이다. 인지과학의 맥락에서 적용되는 통계물리학 기법이다. 또한 마르코프 랜덤 필드로 분류된다.

볼츠만 머신은 훈련 알고리즘(헤브의 규칙에 따라 훈련됨)의 지역성과 헤비언(Hebbian) 특성, 그리고 병렬성 및 단순한 물리적 프로세스와 역학의 유사성 때문에 이론적으로 흥미를 유발한다. 제한되지 않은 연결성을 갖춘 볼츠만 머신은 기계 학습이나 추론의 실제 문제에 유용한 것으로 입증되지 않았다. 그러나 연결이 적절하게 제한되면 학습이 실제 문제에 유용할 만큼 충분히 효율적으로 이루어질 수 있다.

이는 샘플링 함수에 사용되는 통계역학의 볼츠만 분포의 이름을 따서 명명되었다. 인지 과학 커뮤니티와 기계 학습 분야에서 제프리 힌턴, 테리 세이노스키 및 얀 르쿤에 의해 크게 대중화되고 홍보되었다. 기계 학습 내의 보다 일반적인 클래스로서 이러한 모델을 "에너지 기반 모델"(EBM)이라고 한다. 스핀 글래스의 해밀턴이 학습 작업을 정의하는 출발점으로 사용되기 때문이다.

• 마르코프 네트워크
• 이징 모형

• Scholarpedia article by Hinton about Boltzmann machines
• Talk at Google by Geoffrey Hinton