编辑注意:流行文件2018年
运行testDNN试试!
每个函数包括描述。请检查一下!
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。
样本代码与数据集被包括在MNIST文件夹中的MNIST。请参阅readme.txt文件的文件夹MNIST。
Hinton等人,提高通过防止特征检测器的互相适应,2012神经网络。
Lee等人,用于可视面积V2稀疏的坚定信念网络模型,NIPS 2008年。
http://read.pudn.com/downloads103/sourcecode/math/421402/drtoolbox/techniques/train_rbm.m__.htm
修改了dropout的实现。
增加了交叉熵目标函数的特征为神经网络训练。
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:
田中正之和雅俊Okutomi,受限玻尔兹曼机的一种新的推论,国际会议模式识别(ICPR2014),2014年8月。
相关SlideShare上和pdf可用。
http://like.silk.to/matlab/dnn.html
引用
田中正之(2021)。深神经网络(//www.tatmou.com/matlabcentral/fileexchange/42853-deep-neural-network),MATLAB中央文件交换。检索到。