Использование контрастной расходимости для условно-ограниченных машин Больцмана

Я хотел бы использовать ограниченную машину Больцмана для распознавания образов. Я обратил внимание на то, что на самом деле они используются для поиска распределений в образцах, а не для распознавания образов. Я просмотрел следующий документ: http://www.cs.toronto.edu /~hinton/absps/uai_crbms.pdf, который, похоже, использует расширение RBM, называемое ConditionalRBM. Я бы хотел это реализовать. Я уже использовал Contrastive Divergence для реализации RBM, и я хотел бы придерживаться этого для CRBM для простоты. В статье основное внимание уделяется замене контрастной дивергенции более точными алгоритмами.

Из того, что я вижу в документе, теперь мне нужно создать три весовые матрицы (так как теперь мне также нужно включить векторы классификации) (см. Рисунок 1 в документе), и я не уверен, как обновить каждую из них (т.е. как для создания векторов, которые будут влиять на изменение матрицы.)

Не мог бы кто-нибудь прояснить это для меня или предложить алгоритм классификации с использованием простого RBM, который я уже реализовал?

Спасибо.