亥姆霍兹机

亥姆霍兹机（以赫尔曼-冯-亥姆霍兹和他的亥姆霍兹自由能概念命名）是一种人工神经网络，通过训练建立原始数据集的生成模型，可以说明一组数据的隐藏结构。希望通过学习数据的经济表征，生成模型的基本结构应该合理地接近数据集的隐藏结构。亥姆霍兹机包含两个网络，一个是自下而上的识别网络，将数据作为输入并产生一个隐藏变量的分布；另一个是自上而下的生成网络，生成隐藏变量的值和数据本身。

当时，亥姆霍兹机是少数几个使用反馈和前馈的学习架构之一，以确保学习模型的质量。亥姆霍兹机通常使用无监督的学习算法进行训练，如唤醒-睡眠算法。它们是变异自动编码器的前身，而变异自动编码器是用反向传播法训练的。亥姆霍兹机也可用于需要监督学习算法的应用中（如字符识别，或领域内物体的位置不变性识别）。