文件名称：PCA的MATLAB仿真代码-UFLDL-tutorial:深度学习和无监督特征学习教程解决方案
文件大小：228.98MB
文件格式：ZIP
更新时间：2024-07-01 10:35:24
系统开源
PCA的MATLAB仿真代码这些是 和 上练习的解决方案。 当我解决这些问题时，我四处寻找解决方案的副本，以便我可以比较笔记，因为调试学习算法通常很乏味，但我发现的几乎所有内容都不完整或明显错误。 我不保证这些没有错误，但它们至少在分配的预期输出范围内提供输出。 我试图让这个 Octave 兼容，这样你就可以用免费软件运行它。 它似乎有效，但结果略有不同。 这样做的一个副作用是我正在使用 . 它使用 Octave 3.6.4 为我运行； 我的理解是 Octave 3.8 和更新版本并不完全向后兼容，因此您可能会遇到当前版本的 Octave 问题。 当然，欢迎请求请求。 以下是练习顺序： linear.m multiple.m logistic.m 稀疏自编码器： sparseae_exercise/train.m 矢量化实现：sparseae_exercise/train.m（ 1已经矢量化了） 3.1. 2d 中的 PCA： pca_2d/pca_2d.m 3.2. PCA： pca_gen/pca_gen.m Softmax 回归： softmax_exercise/softmax
【文件预览】：
UFLDL-tutorial-master
----ex2x.dat(850B)
----ex4x.dat(3KB)
----ex3x.dat(2KB)
----stackedae_exercise()
--------mnist()
--------loadMNISTImages.m(811B)
--------layer1.mat(2.31MB)
--------stack2params.m(2KB)
--------stackedAECost.m(4KB)
--------checkStackedAECost.m(2KB)
--------params2stack.m(1KB)
--------stackedAEExercise.m(9KB)
--------loadMNISTLabels.m(516B)
--------stackedAEPredict.m(1KB)
----ex2y.dat(850B)
----stl_exercise()
--------stlExercise.m(6KB)
--------mnist()
--------loadMNISTImages.m(811B)
--------min_func_result.mat(27.61MB)
--------loadMNISTLabels.m(516B)
----cnn_exercise()
--------stlTestSubset.mat(67.07MB)
--------cnnConvolve.m(4KB)
--------cnnPool.m(2KB)
--------displayColorNetwork.m(1KB)
--------cnnExercise.m(9KB)
--------stlTrainSubset.mat(41.71MB)
----logistic.m(768B)
----softmax_exercise()
--------mnist()
--------loadMNISTImages.m(811B)
--------loadMNISTLabels.m(516B)
--------softmaxExercise.m(5KB)
----julia()
--------Figuring Out How to Plot.ipynb(236KB)
--------Logistic.ipynb(127KB)
--------Sparse Autoencoder.ipynb(11KB)
--------linear.jl(257B)
--------Linear.ipynb(149KB)
----ex3y.dat(799B)
----multiple.m(792B)
----common()
--------softmaxTrain.m(2KB)
--------initializeParameters.m(622B)
--------computeNumericalGradient.m(1KB)
--------softmaxCost.m(2KB)
--------sparseAutoencoderCost.m(5KB)
--------fminlbfgs()
--------feedForwardAutoencoder.m(1KB)
--------display_network.m(3KB)
--------softmaxPredict.m(840B)
----linear.m(1KB)
----pca_2d()
--------pcaData.txt(1KB)
--------pca_2d.m(4KB)
----linear_decoder_exercise()
--------linearDecoderExercise.m(5KB)
--------STL10Features.mat(1.4MB)
--------sparseAutoencoderLinearCost.m(4KB)
--------stlSampledPatches.mat(35.91MB)
--------displayColorNetwork.m(1KB)
----pca_exercise()
--------pca_gen.m(6KB)
--------IMAGES_RAW.mat(20MB)
--------sampleIMAGESRAW.m(696B)
----handwriting_recognition()
--------weights.jpg(96KB)
--------checkNumericalGradient.m(2KB)
--------loadMNISTImages.m(811B)
--------computeNumericalGradient.m(1KB)
--------train-images-idx3-ubyte(44.86MB)
--------sparseAutoencoderCost.m(5KB)
--------display_network.m(3KB)
--------train-labels-idx1-ubyte(59KB)
--------loadMNISTLabels.m(516B)
--------sampleIMAGES.m(2KB)
----README.md(2KB)
----ex4y.dat(1KB)
----sparseae_exercise()
--------IMAGES.mat(20MB)
--------checkNumericalGradient.m(2KB)
--------sampleIMAGES.m(2KB)
--------train.m(6KB)
--------README.md(100B)