La idea que subyace a la Boltzmann Machine
es que representa un sistema cerrado en el que una energía fluye de una parte a otra, es decir, la disipación de calor, y modela la disminución de la entropía de un modelo cerrado - mientras que el modelo comienza con una entropía relativamente baja (es decir, cuando hay una separación entre las partes "calientes" y "frías"), tiende al estado de equilibrio, o alta entropía (es decir, todos los elementos de la misma energía, o "calor"). Esas redes son un tipo de Hopfield
que se utilizan para modelar la memoria asociativa (aquí está el enlace de wikipedia ).
-
La razón por la que no es tan útil se debe a la inviabilidad de su solución en el caso general, cuando hay un borde entre cada nodo, incluso una red relativamente pequeña tendrá n(n-1) conexiones.
-
La respuesta a la primera pregunta es también en parte una respuesta a la segunda, pero además de ella, Constrained Boltzmann Networks
puede modelar escenarios más realistas, en los que los nodos se dividen en dos grupos separados, y las aristas entre ellos pueden representar el peso del flujo de datos, etc.