近年のハードウェアシステムにおける重要な要素として、メモリエラーとそのための回路の肥大化が挙げられる。本研究では、深層学習が持つエラーに対する高いロバスト性に着目し、制約付きボルツマンマシン(RBM)のハードウェアモデルに、メモリエラーを注入する解析を行なった。制約付きボルツマンマシンの学習時または学習後のエラーは、教師あり学習をかけることで高い回復力を持つ事が観測できた。その結果、これらはメモリエラーに対して非常に高いロバスト性があることが確認された。