In diesem Beispiel werden Restricted-Boltzmann-Machines (RBM) für Kollaboratives Filtern und Bewerten, sprich Empfehlungen, verwendet. Dabei werden 6 Personen gefragt welche Filme sie von den 6 angegebenen Filmen schauen möchten. Die Filme sind weiteres unterteilt in eine Science Ficton (Harry Potter, Avatar, LOTR) und eine Oskar Gewinner (LOTR, Gladiator, Titanic) Gruppe. Aus dieser binären 6x6 Matrix werden die Gewichte für die RBM ermittelt. Bei der Matrix mit den Gewichten, ist die erste Spalte und erste Zeile der Bias Unit. Die zweite Spalte spiegelt den Hidden Unit 1 wieder, die sich auf die Oscar Gruppe beziehen und die letzte Spalte bezieht sich auf die SF Gruppe. Die Zeilen geben die Filme in der Reihenfolge an, wie sie in den Inputdaten vorhanden sind. LOTR erzielt dabei das höchste Gewicht, weil es bei beiden Gruppen dabei ist. Wird nun ein neuer User mit seinen Präferenzen auf die RBM gefragt, so wird jener hidden Unit/ jene Gruppe zurückgegeben, welche am ehesten zu seinen Vorlieben passt. Sprich ähnliche Filmvorschläge aufgrund der zuvor gesehenen Filme. In diesem Bsp. hat der User zwei Filme aus der Oskar Gruppe bevorzugt und bekommt als Vorschlag die restlichen Filme aus dieser Gruppe.