Контрастивное расхождение (англ. Contrastive Divergence, CD) — это метод оптимизации для эффективной оценки параметров в вероятностных моделях, таких как машины Больцмана.
Метод основан на приближённом вычислении градиента функции логарифма правдоподобия, при котором короткая цепь Маркова запускается всего на несколько шагов из распределения данных, что позволяет захватить разницу между распределением данных и распределением модели.
Это значительно снижает вычислительные затраты по сравнению с точной оценкой максимального правдоподобия.
Контрастивное расхождение часто используется в моделях обучения без учителя для обнаружения скрытых структур в данных и ускорения обучения.
Особенно в ограниченных машинах Больцмана (RBM) CD является стандартным методом для эффективного обучения матрицы весов.