玻尔兹曼机：是一种特殊的概率无向图模型
如何推断？
因为分配函数Z通常都比较难以计算所以采用Gibbs采样
Gibbs采样：与T有关 当T很大的时候 logistics函数趋向于0.5 当T很小是 为正 logistics函数趋向于1 为负 logistics函数趋向于为0
基于上述的性质：模拟退火
参数学习：
基于Gibbs采样来进行近似求解：但是效率比较低
为了提高玻尔兹曼机的效率 提出受限玻尔兹曼机：RBM
二分图结构的无向图模型
全条件概率：
Gibbs采样
参数学习：
对比散度算法
深度信念网络
是深度的有概率有向图模型
局部条件概率：
参数学习：EM或者变分方法
逐层训练：由于是有向图模型 所以预训练结束需要精调
精调
生成模型的精调：