编者按:受欢迎的文件2018
运行testDNN试试!
每个功能都包含描述。请检查它!
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dropout技术。
带有MNIST数据集的示例代码包含在MNIST文件夹中。请参阅mist文件夹中的readme.txt。
Hinton等，通过防止特征检测器的共适应改进神经网络，2012。
Lee等，稀疏深度信念网模型在视觉区域V2, 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。如果您使用此工具箱，请引用以下文件:
田中正之，一种新的受限Boltzmann机器推理，国际模式识别会议，2014年8月。
相关的幻灯片共享和pdf文件。
http://like.silk.to/matlab/dnn.html
引用作为
小松田中(2022)。深层神经网络(//www.ru-cchi.com/matlabcentral/fileexchange/42853-deep-neural-network)， MATLAB中央文件交换。检索．
MATLAB版本兼容性
创建R2012a
与任何版本兼容
平台的兼容性
窗户 macOS Linux标签
DeepNeuralNetwork /
DeepNeuralNetwork mnist /
您也可以从以下列表中选择网站: