miniatura|Diagrama esquemàtic d'una màquina de Helmholtz La màquina de Helmholtz (anomenada així per Hermann von Helmholtz i el seu concepte d'energia lliure de Helmholtz) és un tipus de xarxa neuronal artificial que pot explicar l'estructura oculta d'un conjunt de dades entrenant-la per crear un model generatiu de les dades originals. L'esperança és que, aprenent representacions econòmiques de les dades, l'estructura subjacent del model generatiu s'aproximi raonablement a l'estructura oculta del conjunt de dades.
Una màquina de Helmholtz conté dues xarxes, una xarxa de reconeixement ascendent que pren les dades com a entrada i produeix una distribució sobre variables ocultes, i una xarxa generativa descendent que genera valors de les variables ocultes i les dades en si. Les màquines de Helmholtz són un tipus d'arquitectures d'aprenentatge que utilitzen tant la retroalimentació com la prealimentació per garantir la qualitat dels models apresos.Luttrell S.P. (1994). A Bayesian analysis of self-organizing maps. Neural Computation. 1994 Sep 1;6(5):767-94.
Les màquines de Helmholtz normalment s'entrenen mitjançant un algorisme d'aprenentatge no supervisat, com ara l'algorisme de desperta-dorm. Són un precursor dels autocodificadors variacionals, que en canvi s'entrenen mitjançant la retropropagació. Les màquines de Helmholtz també es poden utilitzar en aplicacions que requereixen un algorisme d'aprenentatge supervisat (per exemple, reconeixement de caràcters o reconeixement invariant de posició d'un objecte dins d'un camp).
Referències
Categoria:Aprenentatge automàtic