Zostały spopularyzowane przez Geoffreya Hintona, Terry’ego Sejnowskiego oraz Yanna LeCuna w środowiskach kognitywistycznych, zwłaszcza w uczeniu maszynowym.
Struktura Neurony maszyny Boltzmanna przyjmują tylko dwa stany - lub , wagi oddziaływań neuronów mają charakter stochastyczny (tj. są obliczane przy założeniu, iż neurony podlegają procesowi stochastycznemu o zadanym rozkładzie prawdopodobieństwa); całkowita „energia” sieci zdefiniowana jest wzorem (identycznie jak w sieciach Hopfielda i modelach Isinga)
gdzie: - waga oddziaływania neuronów na neuron - stan -tego neuronu, - bias przypisany do -tego neuronu ( to próg aktywacji -tego neuronu)
przy czym często zakłada się, że wagi tworzą macierz symetryczną z zerami na przekątnej, tj. oraz .
Prawdopodobieństwo wejścia neuronu w stan "włączony" Zmiana globalnej energii wynikająca z tego, że pojedynczy neuron przejdzie ze stanu 0 (wyłączony) do stanu 1 (włączony)
dana jest wzorem (przy założeniu symetrycznej macierzy wag):
Z założenia, że neurony tworzą zespół statystyczny podlegający rozkładowi Boltzmanna wynika, że energia stanu jest proporcjonalna do ujemnego logarytmu prawdopodobieństwa zajęcia tego stanu przez układ;