_{这是来自 AI 的封闭测试版，此问题由 47 号用户发布。所有功劳归于他们。}

根据维基百科，

玻尔兹曼机可以看作是 Hopfield 网络的随机生成对应物。

两者都是可以训练学习位模式的循环神经网络。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，对于每 1000 个节点，可以从存储中调用大约 138 个位向量，Hertz 1991）。

由于玻尔兹曼机是随机的，我的理解是，当一个存储模式与另一个存储模式之间的能量差异相似时，它不一定总是显示相同的模式。但由于这种随机性，也许它允许更密集的模式存储，但不能保证你总是会得到能量差异方面的“最接近”的模式。这是真的吗？还是 Hopfield 网络能够存储更多模式？