玻尔兹曼机器可以存储比Hopfield网络更多的模式吗？

_{这是来自AI的封闭测试版，该问题由47号用户发布。所有信息都归功于他们。}

根据维基百科，

Boltzmann机器可以视为Hopfield网络的随机，生成对应物。

两者都是循环神经网络，可以训练它们学习位模式。然后，当呈现部分模式时，网络将检索完整的完整模式。

Hopfield网络已被证明具有0.138的容量（例如，每1000个节点可以从存储中调用大约138位向量，Hertz 1991）。

由于玻尔兹曼机是随机的，我的理解是，当一个存储的模式与另一个存储的模式之间的能量差相似时，它不一定总是显示相同的模式。但是由于这种随机性，也许它可以存储更密集的模式，但不能保证您始终会获得能量差最接近的模式。这是真的吗？还是Hopfield网络能够存储更多模式？

的确，您的直觉是正确的，由于本文研究的随机性，Boltzmann机器能够在其内存中保留更多的Hopfield网络。他们在论文中指出，容量约为0.6。在达到此比例后，它开始崩溃，并为召回的图案增加更多的噪音。