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 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/drogox/techniques/train_rbm.m_.htm.
修改了辍学的实施。
添加了神经网络训练的跨熵对象功能的特征。
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：
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.tatmou.com/matlabcentral/fileexchange/42853-deeporural-network），Matlab中央文件交换。检索到。
DeepneuralNetwork /
DeepneuralNetwork / Mnist /
您还可以从以下列表中选择一个网站：