편집자메모:受欢迎的文件2018
运行testDNN试试!
每个函数都包含描述。请检查一下!
它提供了堆叠受限玻尔兹曼机(rbm)的深度信念网络(dbn)的深度学习工具。它包括伯努利-伯努利RBM、高斯-伯努利RBM、无监督预训练的对比发散学习、稀疏约束、监督训练的反投影和退出技术。
MNIST数据集的示例代码包含在MNIST文件夹中。请参阅mnist文件夹中的readme.txt。
Hinton等人，通过防止特征检测器的自适应来改进神经网络，2012。
Lee等，视觉区域V2的稀疏深度信念网模型，NIPS 2008。
http://read.pudn.com/downloads103/sourcecode/math/421402/drtoolbox/techniques/train_rbm.m__.htm
修改了dropout的实现。
为神经网络训练增加了交叉熵目标函数的特征。
它包括以下论文的实现。如果你使用这个工具箱，请引用以下论文:
田中正之和奥木美正敏，受限波尔兹曼机的新推理，国际模式识别会议，2014年8月。
相关的SlideShare和pdf可用。
http://like.silk.to/matlab/dnn.html
化学式용양식
田中正之(2023年)。深度神经网络(//www.ru-cchi.com/matlabcentral/fileexchange/42853-deep-neural-network)， MATLAB中央文件交换。검색됨．
Matlab릴리스호환정보
플랫폼호환성
窗户 macOS Linux카테고리
태그
DeepNeuralNetwork /
DeepNeuralNetwork mnist /
| 버전 | 게시됨 | 릴리스정보 | |
|---|---|---|---|
| 1.19 | 修改了期权的解释。 |
|
|
| 1.18.0.0 | 新增链路信息。 |
||
| 1.17.0.0 | 新增ICPR2014实现。 |
|
|
| 1.16.0.0 | 修正了与对象函数相关的错误。 |
||
| 1.15.0.0 | 我添加了ICPR 2014算法的实现。 |
||
| 1.14.0.0 | 增加了MNIST评估测试数据样本。 |
||
| 1.13.0.0 | CalcErrorRate被调试。 |
||
| 1.12.0.0 | 修复了trainDBN的错误。m代表GBDBN。 |
||
| 1.11.0.0 | 包括MNIST数据集的示例代码。 |
||
| 1.10.0.0 | bug已修复。 |
||
| 1.9.0.0 | 错误修复。 |
||
| 1.8.0.0 | 修改testDNN.m |
||
| 1.7.0.0 | 修复了GetDroppedDBN中的Bug。 |
||
| 1.6.0.0 | 有些包是固定的。 |
||
| 1.5.0.0 | 调试。谢谢你，冲! |
||
| 1.2.0.0 | 修改了dropout的实现。 |
||
| 1.0.0.0 |
您也可以从以下列表中选择一个网站: