文件名称：matlab分时代码-pwlregions_matlab:pwlregions_matlab
文件大小：1.18MB
文件格式：ZIP
更新时间：2024-06-10 15:02:05
系统开源
matlab分时代码PWL区域 此存储库包含可以计算神经网络的分段仿射（PWA）表示的代码。 该算法通过逐一考虑网络的各个层，针对每个先前找到的区域分别解决所产生的超平面布置问题来完成此任务。 这是解释。 这是一个通用过程，可以应用于具有PWA激活功能和线性/仿射层（完全连接，卷积等）的任何网络。 这种方法的主要局限性在于，运行时在输入节点数和网络深度上都是指数级的。 可在处找到开发的替代算法，该算法不太通用（它仅在输入空间的2D约束下找到区域），但效率更高且在数值上稳定，并且适合在计算服务器上使用。 尽管大多数深度学习库都是用Python编写的，但是原始代码还是用MATLAB编写的。 这样做是因为MATLAB可以访问，该可以处理必要的几何计算。 该工具箱还提供了用于多参数优化以及隐式和显式模型预测控制（MPC）的方法，这是我们要进行此研究的方向。 提供了用于Tensorflow模型的转换脚本。 安装 您将需要MATLAB和Python。 对于MATLAB，您需要安装，该工具在其网站上有说明。 如果要在Jupyter笔记本中运行MATLAB（请参阅下一节以获取说明），则将特别需要Pyt
【文件预览】：
pwlregions_matlab-master
----pwlregions_init.m(183B)
----src()
--------utils()
--------pwa_matlab.m(13KB)
--------@RandomPWANetwork()
--------@PWANetwork()
--------pwa.m(3KB)
--------hyperplane_arrangements()
----net.json(6KB)
----examples()
--------example-networks.mlx(360KB)
--------plot_region_tree.mlx(523KB)
--------maxout.m(1KB)
--------mnist.mlx(266KB)
--------pwa_on_pca.mlx(32KB)
--------time_random_networks.mlx(4KB)
--------net.mat(2KB)
----test()
--------run_all_tests.m~(473B)
--------test_partition_functions.m(1KB)
--------test_output.m(755B)
--------run_all_tests.m(578B)
--------test_initial_regions.m(2KB)
--------test_matlab_network.m(3KB)
----README.md(4KB)
----.gitignore(2KB)
----bin()
--------install_matlab_engine(315B)