编者按：流行文件2018
运行testDNN来尝试！
每个功能都包含说明，请检查！
它提供了堆叠受限玻尔兹曼机器(RBMs)的深度置信网络(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、有监督训练的反投影和dropout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共同自适应来改进神经网络》，2012年。
Lee等人，视觉区域V2的稀疏深层信念网络模型，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:
田中正树和大谷正树，受限玻尔兹曼机器的新推论，国际模式识别会议（ICPR2014），2014年8月。
提供相关的幻灯片和pdf。
http://like.silk.to/matlab/dnn.html
引用为
田中正树（2021年）。深度神经网络(//www.tianjin-qmedu.com/matlabcentral/fileexchange/42853-deep-neural-network)，MATLAB中央文件交换。恢复.
MATLAB版本兼容性
使用R2012a创建
与任何版本兼容
