제한된 볼츠만 머신(RBM, Restricted Boltzmann Machine)은 이러한 단점을 해결하기 위해 노드 간 연결 구조를 제한한 모델입니다. 노드를 입력층과 은닉층으로 나누고, 두 층 사이의 노드들만 연결하며 같은 층 내 노드끼리는 연결하지 않았습니다. 이 구조 덕분에 파라미터 수가 줄어들고, 계산량이 감소해 훨씬 효율적으로 학습합니다.

RBM은 에너지 최소화 원리를 그대로 유지하면서도 학습을 간소화했기 때문에 비지도 학습에서 널리 사용합니다. 특히, 입력 데이터의 확률 분포를 학습해 숨겨진 특성을 찾아내는 데 강력한 성능을 발휘하며, 단어 임베딩, 이미지 복원, 주제 모델링 등 다양한 분야에 응용됩니다.

▲ 그림 1-33 볼츠만 머신과 제한된 볼츠만 머신
출처: https://www.researchgate.net/publication/361161390_Recent_Advances_for_Quantum_Neural_Networks_in_Generative_Learning