玻尔兹曼机的学习算法

大量简单处理元件的并行网络的计算能力来自于元件之间的硬件连接所提供的通信带宽。这些连接可以在非常短的时间内允许系统的显著知识应用于问题实例。一种适合这种大规模并行网络的计算是大约束满足搜索，但为了有效利用这些连接，必须满足两个条件：首先，必须找到一种适合并行网络的搜索技术。其次，必须有某种方法选择内部表示，以便有效利用现有的硬件连接对正在搜索的领域中的约束进行编码。我们描述了一种基于统计力学的一般并行搜索方法，并展示了它如何导致一种一般学习规则，以有效地修改连接强度，从而融合有关任务领域的知识。我们描述了一些简单的例子，其中学习算法创建的内部表示显然是使用现有连接结构的最有效方式。