パターン認識問題を解くための確率モデルである制限ボルツマンマシン分類器はその性質上，学習が困難になるなどの観点から多層化拡張が容易ではない．まず，極端学習機械の考え方に注目する．極端学習機械では，入力層と中間層の間の結合パラメータをランダムに決定し，学習によりその値を変えない非学習型パラメータを持ったモデルである．本講演では，極端学習機械を確率的に拡張した確率的極端学習機械を提案し，そのモデルを組み合わせることで制限ボルツマンマシン分類器の多層化を試みる．実データを用いた認識実験を行い，提案モデルの性能を示す．本講演では，更に，非学習型パラメータのより良い決め方についても議論したい．