学习RBM算法，理解MCMC CD-k算法最通俗易懂的资料

高斯伯努利受限玻尔兹曼机，需要将数据标准化为零均值，单位方差

生成式模型 生成式模型的理念大同小异，几乎都是用一个模型产生概率分布来拟合原始的数据分布情况，计算两个概率分布的差异使用KL散度，优化概率模型的方法是最小化对数似然，可以用EM算法或梯度优化算法。 今天表现比较好的生成模型有VAE变分自编码器，GAN生成对抗网络和PixelRNN以及Seq2Seq等。而RBM则比它们要早很多，可以说是祖师爷级别的模型。 受限玻尔兹曼机 RBM模型是一种很早被提出的基于能量和概率的生成式模型，它拥有一个显层和一个隐层，层上有偏置，两层之前有一个权值矩阵W，只是看起来的话结构和单层神经网络并无区别。但是我们会定义这些神经元拥有“开启”或“关闭”的二值状态，为什么

深度学习入门级资料，包含单层感知器、BP神经网络、线性神经网络、Hopfield网络以及RBM网络等，并有代码实现及讲解部分

受限玻尔兹曼机（RBM）的详细程序，几乎每句话都有注释，结合Python和TensorFlow，将RBM详细注释并成功运行，用户只需要修改主程序中数据为自己的数据即可。

用matlab实现RBM学习

PyTorch中的受限玻尔兹曼机（RBM） 作者： 概述 该项目使用PyTorch实现了受限玻尔兹曼机（RBM）（请参阅rbm.py ）。 我们的实现包括动量，权重衰减，L2正则化和CD- k对比散度。 我们还提供对CPU和GPU（CUDA）计算的支持。 另外，我们提供了一个示例文件，将我们的模型应用于MNIST数据集（请参阅mnist_dataset.py ）。 该示例训练了RBM，使用训练后的模型从图像中提取特征，最后使用基于SciPy的逻辑回归进行分类。 它达到了92.8％的分类精度（这显然不是前沿模型）。

Matlab Restricted Boltzmann Machine A matlab implementation of restricted Boltzman Machine. Can generate samples.

Robust Generation of Dynamical Patterns in Human Motion by a Deep Belief Nets(TDBN)的代码

modeling human motion using binary latent variables论文的实现，主要研究实值形式的RBM