Uma máquina Boltzmann restrita (RBM) é um tipo de rede neural artificial (ANN) para aprendizagem de máquina de distribuições de probabilidade. Uma rede neural artificial é um sistema de hardware e/ou software padrão após a operação de neurônios no cérebro humano.
Criado por Geoff Hinton, os algoritmos RBM são úteis na definição de redução de dimensionalidade, classificação, regressão, filtragem colaborativa, aprendizagem de características e modelagem de tópicos. Tal como os perceptrons, eles são um tipo relativamente simples de rede neural.
RBMs enquadram-se nas categorias de modelos estocásticos e generativos de inteligência artificial. Stochastic refere-se a qualquer coisa baseada em probabilidades e generativa significa que ela usa IA para produzir (gerar) um resultado desejado. Modelos generativos contrastam com modelos discriminatórios, que classificam dados existentes.
Como todas as redes neurais multicamadas, os RBMs têm camadas de neurônios artificiais, em seu caso dois. A primeira camada é a camada de entrada. A segunda é uma camada oculta que só aceita o que a primeira camada passa. A restrição falada no RBM é que os diferentes neurônios dentro da mesma camada não podem se comunicar uns com os outros. Ao invés disso, os neurônios só podem se comunicar com outras camadas. (Em uma máquina Boltzmann padrão, os neurônios da camada oculta se intercomunicam). Cada nó dentro de uma camada realiza seus próprios cálculos. Depois de realizar seus cálculos, o nó então toma uma decisão estocástica sobre se deve passar para a próxima camada.
Embora os RBM ainda sejam usados às vezes, eles foram substituídos, em sua maioria, por redes adversas generativas ou auto-encoders vibracionais.