文件名称：dbnmatlab代码-deeplearning:在R中实现深度神经网络（带有应用程序）
文件大小：12.19MB
文件格式：ZIP
更新时间：2024-06-16 10:54:05
系统开源
dbn matlab代码深度学习及其在网络数据中的应用 通过使用深度信念网络对权重进行预训练，可以成功地训练具有任意数量的隐藏层的人工神经网络（ANN）（Hinton 2006）。 在这里，我们使用上述预训练方法在R中提供了一个深层的ANN（具有许多隐藏层的ANN）实现。 实现了两种使用模式-分类和自动编码器。 后者是用于重构输入的ANN变体，可用于降低尺寸，因为可以提取较低维度的中间“已编码”层。 此实现已在MNIST数字数据集上进行了测试。 还包括一个用于网络数据集Reality Mining的应用程序，其中使用深度自动编码器在聚类之前对数据进行预处理，以获得更好的结果。 代码文件说明 Main.R. 用于在MNIST数字数据集上运行深度ANN实现的主文件。 可以在主文件中调整参数和设置，包括使用模式：分类或自动编码器。 nn.R. 使用反向传播训练的神经网络的实现。 提供了两种模式：分类和自动编码器，可以使用任意数量的隐藏层。 对于分类，当前仅执行二进制分类，但可以轻松地适用于K个类别，K> = 3。 dbn.R. 深度信念网络的实现，该模型用于预训练深度神经网络的权重。 如果未
【文件预览】：
deeplearning-master
----t10k-images.idx3-ubyte(7.48MB)
----RealityMiningAnalysis.R(3KB)
----train-images.idx3-ubyte(44.86MB)
----nn.R(2KB)
----RealityMiningSetup.R(2KB)
----MNIST.R(769B)
----t10k-labels.idx1-ubyte(10KB)
----.Rhistory(20KB)
----Util.R(3KB)
----rmadjacency.mat(1.26MB)
----train-labels.idx1-ubyte(59KB)
----README.md(3KB)
----dbn.R(2KB)
----Main.R(3KB)
----rbm.R(3KB)