La divergence contrastive (en anglais Contrastive Divergence, CD) est une méthode d'optimisation pour l'estimation efficace des paramètres dans des modèles probabilistes tels que les machines de Boltzmann.
La méthode repose sur le calcul approximatif du gradient de la fonction de log-vraisemblance, en démarrant une courte chaîne de Markov seulement quelques étapes à partir d'une distribution de données, capturant ainsi la différence entre la distribution des données et la distribution du modèle.
Cela réduit considérablement l'effort par rapport à une estimation exacte du maximum de vraisemblance.
La divergence contrastive est souvent utilisée dans des modèles d'apprentissage non supervisé pour découvrir des structures latentes dans les données et accélérer l'entraînement.
Particulièrement dans les machines de Boltzmann restreintes (RBM), la CD est une méthode standard pour l'apprentissage efficace de la matrice de poids.