编辑注意:流行文件2018年
运行testdnn尝试!
每个功能包括描述。请检查一下!
它提供了堆叠限制Boltzmann机器(RBM)的深度信念网络(DBN)的深度学习工具,包括Bernoulli-Bernoulli RBM、Gaussian-Bernoulli RBM、用于无监督预训练的对比发散学习、稀疏约束、用于监督训练的反投影和退出技术。
Mnist DataSet的示例代码包含在Mnist文件夹中。请在Mnist文件夹中查看Readme.txt。
Hinton等,通过防止特征探测器的共同适应来改善神经网络。
Lee等人,稀疏的深度信仰净模型为Visual Area V2,NIPS 2008。
http://read.pudn.com/downloads103/sourcecode/math/421402/drtoolbox/techniques/train_rbm.m__.htm
修改了辍学的实现。
添加了神经网络训练的跨熵对象功能的特征。
它包括以下文件的实现。如果您使用此工具箱,请引用以下文件:
Masayuki Tanaka和Masatoshi Okutomi,这是一个限制的Boltzmann机器的新推断,国际模式识别国际会议(ICPR2014),2014年8月。
提供相关的幻灯片和PDF。
http://like.silk.to/matlab/dnn.html
引用
Masayuki Tanaka(2021)。深神经网络(//www.tianjin-qmedu.com/matlabcentral/fileexchange/42853-deeporural-network),Matlab中央文件交换。检索到。