文件名称：dbnmatlab代码-Deep-Learning:深度学习
文件大小：24.48MB
文件格式：ZIP
更新时间：2024-06-16 10:52:47
系统开源
dbn matlab代码深度学习 以下包含 卷积分类RBM的MATLAB实现 分类RBM的Theano实现，可以用作DBN的顶层以获得比DBN更好的性能 在每个文件夹中的README.txt中运行代码的说明 包含以上实施结果的论文 抽象的： 深度学习是机器学习的一个领域，其中包括通过使用多个隐藏层对数据的高级表示进行建模的算法。 开发了受限玻尔兹曼机（RBM）来对输入数据分布进行建模，并用作各种分类算法的特征提取器。 深度信念网络（DBN）是RBM的堆叠表示形式，经过贪婪地预训练以初始化多层神经网络，然后使用反向传播对其进行微调。 可以通过在隐藏层上方增加称为“分级RBM（ClassRBM）”的输出层来修改受限的玻尔兹曼机。 然后将其用于对输入分布及其类标签进行建模。 这种基于监督学习的体系结构也可以用作独立的分类器。 在这项工作中，我们以ClassRBM为顶层，以无监督的方式贪婪地对Deep Belief网络进行了预训练，并对其进行了微调，以取得优于传统DBN的准确性。 我们认为更好的性能来自于RBM堆栈和输出层之间的权重的预先训练，这些权重是先前为进行微调而随机初始化的。 此外，我
【文件预览】：
Deep-Learning-master
----Convolutional Classification RBM()
--------energyConvGroupsBH.m(908B)
--------README.txt(159B)
--------Saved Variables()
--------accuracyConvUnSupGroupsBH.m(2KB)
--------crbm_whiten_olshausen2.m(485B)
--------.DS_Store(10KB)
--------mnistConvGroupsBH.m(8KB)
--------Dataset()
----.DS_Store(12KB)
----DBN+ClassRBM()
--------mlp.pyc(9KB)
--------mlp.py(14KB)
--------README.txt(113B)
--------utils.pyc(3KB)
--------utils.py(5KB)
--------data()
--------rbm.pyc(14KB)
--------classScript.pyc(862B)
--------.DS_Store(6KB)
--------classRBM.pyc(17KB)
--------logistic_sgd.pyc(10KB)
--------rbm.py(20KB)
--------logistic_sgd.py(16KB)
--------classRBM.py(29KB)
--------DBN_29june.py(19KB)
--------DBN_Plots()
--------classScript.py(897B)
----Thesis()
--------Thesis.pdf(1002KB)
----README.md(2KB)