동적 볼츠만 머신과 스파이크 타이밍 의존 가중치 학습

본 논문은 시계열 데이터를 확률적으로 모델링하기 위해 “동적 볼츠만 머신(Dynamic Boltzmann Machine, DyBM)”이라는 새로운 구조를 제안한다. 기존의 볼츠만 머신은 정적인 패턴(예: 이미지) 학습에 초점을 맞추었으며, 시간 개념이 전혀 없었다. 저자는 이를 보완하기 위해 무한히 많은 층을 갖는 다층 구조를 도입하고, 각 층을 시간 t 에 대응시켜 과거 전체 이력을 포함하도록 설계하였다. DyBM‑T는 T 개의 층(시간 −T+1 부터 0 까지)을 가지며, 가장 오른쪽(시간 0) 층의 유닛들은 서로 연결되지 않아 조건부 독립성을 확보한다. 따라서 현재 시점의 출력 \(x