详细的介绍了受限玻尔兹曼机（RBM）和深度置信网络(DBN)，看完你就知道什么是深度置信网络了。侵删。

详细的介绍了受限玻尔兹曼机的基本知识、公式推导。

利用matlab软件编写的格子玻尔兹曼方法模拟的圆柱绕流问题，并实现了可视化

这项工作的目的是证明，只有通过运用理论上合理的信息方法来开发用于测量玻尔兹曼常数的模型，才能证明并计算所需的相对不确定性的值。 提出了无量纲参数（比较不确定性）作为用于比较玻耳兹曼常数和模拟数据的实验测量的通用度量。 给出了使用建议的原始方法来计算示例的示例，该方法使用声学气体温度计，介电常数气体温度计，约翰逊噪声温度计，多普勒增宽温度计来测量玻尔兹曼常数。 所提出的方法在理论上是合理的，并且没有CODATA概念固有的缺点：统计上的显着趋势，共识的累积值或统计控制。 我们试图展示如何用一种简单的，基于理论的，基于信息理论在测量中使用的假设来代替数学专家形式主义。

火炬RBM Lua类，以高斯，二进制或整流线性单位实现受限玻尔兹曼机。 请注意，这是正在进行的工作，可能包含许多错误。

此代码是分类受限玻尔兹曼机 (ClassRBM) 的实现。 脚本“trueMinst2Dataset.m”在可由“trainingClassRBM.m”使用的matlab变量中加载MINST数据集。 脚本“trainingClassRBM.m”训练一个 ClassRBM。

Boltzmann方法的理论及应用-何雅玲&格子Boltzmann方法的原理及应用-郭照立 二合一版本

基于因子化条件受限玻尔兹曼机的混合推荐方法

Java实现的受限玻尔兹曼机（RBM）。不知道RBM为何物的童鞋可搜索“Deep learning”。这个方向目前很热门。 1、控制台界面，主入口是Test.java 2、训练算法为基本的对比散度法（CD1）。 3、作为演示，Test.java用七段数码显示管的数据对RBM进行了训练。大约在35000次训练后收敛。

对于想要研究 RK 型格子 Boltzmann 不混溶两相模型的新人，此代码可以用作起点。 它可以更好地理解 RK 型格子 Boltzmann 两相模型。 此 m 代码重现了以下参考资料的第 3.2 节“稳定气泡”中表 3 的一些结果： R1) Leclaire, S.、Reggio, M. 和 Trépanier, J.-Y. (2012)。 不混溶两相流晶格玻尔兹曼模型的两个重新着色算子的数值评估，应用数学建模 36(5)：2237-2252。 结果存储在文件“results.txt”中。 代码“main.m”需要几个小时才能完成所有模拟。 此外，可以使用以下参考的各向同性颜色梯度来代替使用二阶非各向同性颜色梯度： R2) Leclaire, S.、Reggio, M. 和 Trépanier, J.-Y. (2011)。 用两相流晶格玻尔兹曼模型模拟极高密度比率的各向同性颜色梯