UFLDL Exercise: Stacked autoencoder 栈式自编码

时间:2018-01-03 10:37:43
【文件属性】:

文件名称:UFLDL Exercise: Stacked autoencoder 栈式自编码

文件大小:11.15MB

文件格式:ZIP

更新时间:2018-01-03 10:37:43

UFLDL Stacked autoencoder 栈式自编码 matlab

UFLDL Exercise: Stacked autoencoder(栈式自编码算法)matlab实验代码 可以直接运行


【文件预览】:
stackedae_exercise
----softmaxTrain.m(2KB)
----mnist()
--------train-images.idx3-ubyte(44.86MB)
--------t10k-labels.idx1-ubyte(10KB)
--------t10k-images.idx3-ubyte(7.48MB)
--------train-labels.idx1-ubyte(59KB)
----minFunc()
--------logistic()
--------example_minFunc.m(2KB)
--------mcholC.mexw64(12KB)
--------ArmijoBacktrack.m(3KB)
--------lbfgsC.mexw32(7KB)
--------lbfgsC.mexglx(8KB)
--------mcholC.c(4KB)
--------autoHess.m(901B)
--------autoTensor.m(870B)
--------lbfgs.m(924B)
--------precondTriu.m(51B)
--------dampedUpdate.m(995B)
--------precondTriuDiag.m(60B)
--------lbfgsC.mexw64(10KB)
--------minFunc_processInputOptions.m(4KB)
--------autoHv.m(317B)
--------conjGrad.m(2KB)
--------mcholC.mexmaci64(13KB)
--------precondDiag.m(42B)
--------lbfgsC.c(2KB)
--------example_minFunc_LR.m(2KB)
--------rosenbrock.m(1KB)
--------mchol.m(1KB)
--------lbfgsC.mexmac(9KB)
--------lbfgsUpdate.m(614B)
--------lbfgsC.mexa64(8KB)
--------callOutput.m(385B)
--------mcholinc.m(564B)
--------minFunc.m(43KB)
--------WolfeLineSearch.m(11KB)
--------taylorModel.m(677B)
--------mcholC.mexw32(8KB)
--------autoGrad.m(807B)
--------lbfgsC.mexmaci(12KB)
--------isLegal.m(107B)
--------polyinterp.m(4KB)
--------lbfgsC.mexmaci64(9KB)
----loadMNISTImages.m(811B)
----initializeParameters.m(622B)
----stack2params.m(2KB)
----stackedAECost.m(4KB)
----checkStackedAECost.m(2KB)
----softmaxCost.m(1KB)
----stackedAEExercise.asv(9KB)
----params2stack.m(1KB)
----sparseAutoencoderCost.m(4KB)
----feedForwardAutoencoder.m(1KB)
----stackedAEExercise.m(9KB)
----display_network.m(3KB)
----stackedAECost.asv(4KB)
----loadMNISTLabels.m(516B)
----stackedAEPredict.m(2KB)

网友评论

  • 这个真的非常好,借鉴意义蛮大.
  • 很好的资料,好好学习一下。。
  • 好东西,学习深度学习的可以参考
  • 正在学习深度学习的内容,刚好可以参考本代码,运行后结果与权威结论一致,注释较为简单,再完备一些更好。
  • 很好用,通过它进行了学习
  • 可以运行,很不错的代码,就是解释的不是很完善
  • 可以借鉴参考
  • 可以运行,结果也比较可信,值得参考
  • 还行吧,试试