パターン認識問題を解くための分類器モデルである制限ボルツマンマシン分類器は，確率モデルである性質が故に，多層化拡張による学習を容易には行うことができない．それを回避するため，非学習型パラメータをもつ非学習型確率層の追加による制限ボルツマンマシン分類器の多層化法が提案されている．非学習型確率層における非学習型パラメータは，ガウシアン・ベルヌーイ制限ボルツマンマシンを用いた教師なし学習によって決定される．本講演では，多層化された制限ボルツマンマシン分類器を様々なデータセットに適用し，その性能を調べる．また，ガウシアン・ベルヌーイ制限ボルツマンマシンの学習法の工夫により，更なる性能向上を目指す．