ボルツマンマシンは確率的ニューラルネットワークの代表格的なモデルである。本研究では、クラス分類器型の多層ボルツマンマシンに注目する。3層モデルである制限ボルツマンマシン分類器は、学習と推論が厳密計算可能なため、扱いやすいモデルとして知られている。しかしながら、4層以上（つまり、深層ボルツマンマシン）になるとそれらを厳密に実行することが難しく、様々なハイパーパラメータをもつサンプリング近似が必要となってしまう。本研究では、比較的サンプリング近似が効率的に実行できる可能性をもつモデルを提案し、提案モデルに対する効率的な学習・推論アルゴリズムの導出を試みる。