玻尔兹曼机是一种随机循环神经网络，可以被看作是Hopfield网络的随机生成产物，是最先学习内部representations的神经网络之一。该算法旨在最大限度地提高机器在训练集中分配给二进制矢量的概率的乘积，相当于最大化其分配给训练矢量的对数概率之和，方法如下：

（1）网络没有外部输入时，使网络在不同时间分布稳定；

（2）每次对可见矢量采样。

2012年，Salakhutdinov和Hinton为玻尔兹曼机写了有效的小批量学习程序。2014年将模型更新，称之为受限玻尔兹曼机。