Restricted Boltzmann Machines are a type of Artificial Neural Network that are used in probability density estimation or classification. In this study, we want to test the ability to generalize a concept of an RBM and understand the limitations that appear when the data provided to train the system is incomplete or noisy (i.e., contaminated with random noise). In particular, we explore an alternative RBM model based on archetype (ARCH) learning, described in "The emergence of a concept in shallow neural networks", by Elena Agliari, Francesco Alemanno, Adriano Barra and Giordano De Marzo. We want to compare this alternative model with the standard implementation of the network designed for classification problems.

Las máquinas de Boltzmann restringidas (RBM) son un tipo de Redes Neuronales Artificiales que se utilizan en la estimación de densidades de probabilidad o problemas de clasificación. En este documento, queremos comprobar la capacidad de generalización de las RBM y comprender las limitaciones que aparecen cuando los datos proporcionados para entrenar el sistema son incompletos o ruidosos (es decir, contaminados con ruido aleatorio). En concreto, exploramos un modelo alternativo de RBM basado en el aprendizaje de arquetipos, descrito en "The emergence of a concept in shallow neural networks", de Elena agliari, Francesco Alemanno, Adriano Barra y Giordano De Marzo. Queremos comparar este modelo alternativo con la implementación estándar de la red diseñada para problemas de clasificación.

Les màquines de Boltzmann restringides (RBM) són un tipus de Xarxes Neuronals Artificials que s'utilitzen en l'estimació de la densitat de probabilitat o en problemes de classificació. En aquest estudi, volem comprobar la capacitat de generalització de la RBM i comprendre les limitacions que apareixen quan les dades proporcionades per a entrenar el sistema són incompletes o están contaminades amb soroll aleatori. En concret, explorem un model alternatiu de la RBM basat en l'aprenentatge d'arquetips, descrit a "The emergence of a concept in shallow neural networks", de Elena Agliari, Francesco Alemanno, Adriano Barra i Giordano De Marzo. Volem comparar aquest model alternatiu amb la implementació estàndar de la xarxa neuronal dissenyada per a problemes de classificació.