En el presente trabajo se presentan los resultados obtenidos en la aplicacion de las Maquinas de Boltzmann de alto orden sin unidades ocultas a un conjunto de problemas que representan paradigmas muy diferenciados de problemas de aprendizaje. El algoritmo de aprendizaje de las maquinas Boltzmann se generaliza para Maquinas con unidades discretas (cuyos estados son valores en un conjunto discreto no necesariamente binario) y continuas. El algoritmo de aprendizaje mantiene su validez para unidades continuas con espacios de estado no normalizados al intervalo [0,1]. Se observa, ademas que la ausencia de unidades ocultas permite prescindir del enfriamiento estadistico (simulated annealing) en la estimacion de los niveles de activacion promedio (probabilidades de activacion en el caso binario), lo cual permite una aceleracion substancial del proceso de aprendizaje, y una mejora cualitativa de los resultados. La descripcion y presentacion de los experimentos sigue el orden historico de nuestros trabajos.