【摘要】文章给出了一种训练受限玻尔兹曼机（RBM）的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法（MCMC），利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率，进而得到混合率更高的Gibbs链，从而使其更好地逼近对数似然梯度。最后，通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然，证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。