编者按:受欢迎的文件2018
运行testDNN尝试!
每个函数都包含描述。请检查它!
它提供了深度信仰网络（DBNS）的深度学习工具（DBNS）的堆叠限制的Boltzmann机器（RBMS）。它包括Bernoulli-Bernoulli RBM，Gaussian-Bernoulli rbm，对对比的分歧学习无监督的预训练，稀疏约束，监督训练的后投，以及辍学技术。
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。
辛顿等，防止特征检测器的协同适应改进神经网络，2012。
李等人，视觉区域V2的稀疏深度置信网络模型，NIPS 2008。
http://read.pudn.com/downloads103/sourcecode/math/421402/drtoolbox/techniques/train_rbm.m__.htm
修改了辍学的实施。
为神经网络的训练增加了交叉熵目标函数的特征。
它包括以下纸张的实施。如果使用此工具箱，请引用以下纸张：
田中正之，一种新的受限Boltzmann机器推理，国际模式识别会议(ICPR2014)， 2014年8月。
相关的SlideShare和pdf文件可用。
http://like.silk.to/matlab/dnn.html.
引用作为
小松田中(2021)。深层神经网络(//www.tatmou.com/matlabcentral/fileexchange/42853-deep-neural-network)， MATLAB中央文件交换。检索．
Matlab释放兼容性
创建R2012a
兼容任何释放
