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。
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dropout的实现。
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，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版本兼容性
创建R2012a
与任何版本兼容
