文件名称：典型相关分析matlab实现代码-IBD_NN:DeepCCA的修改版本（来自https://github.com/VahidooX/Deep
文件大小：172.19MB
文件格式：ZIP
更新时间：2024-06-09 07:27:27
系统开源
典型相关分析matlab实现代码DCCA：深度规范相关分析 这是Python中的深度规范关联分析（DCCA或Deep CCA）的实现。 它需要安装Theano和Keras库。 DCCA是CCA的非线性版本，它使用神经网络代替线性变换器作为映射函数。 DCCA最初是在以下论文中提出的： Galen Andrew，Raman Arora，Jeff Bilmes，Karen Livescu，“”，ICML，2013年。 它使用带有Theano后端的Keras库，在Tensorflow后端上不起作用。 因为网络的丢失功能是由Theano编写的。 基本的建模网络可以轻松地被更高效，更强大的网络（如CNN）取代。 大多数配置和参数是根据以下文件设置的： Wang Weiran，Raman Arora，Karen Livescu和Jeff Bilmes。 “”，ICML，2015年。 数据集 该模型是在MNIST数据集的嘈杂版本上评估的。 我完全按照本文介绍的方式构建了数据集。 训练/验证/测试段是MNIST的原始段。 数据集很大，无法在GitHub上上传。 因此它被上传到另一台服务器上。 第一次执
【文件预览】：
IBD_NN-master
----Untitled.ipynb(5KB)
----utils.pyc(3KB)
----models.py(1KB)
----temp_weights.h5(22.26MB)
----total_data.csv(43.92MB)
----linear_cca.pyc(2KB)
----utils.py(2KB)
----cleaned_data.csv(33.81MB)
----expression_data.pkl.gz(23.87MB)
----noisymnist_view1.gz(84.74MB)
----linear_cca.py(1KB)
----LICENSE(1KB)
----new_features.gz(13.56MB)
----data_cleaning.R(787B)
----playground.ipynb(14KB)
----objectives.pyc(2KB)
----microbe_data.pkl.gz(128KB)
----models.pyc(2KB)
----README.md(3KB)
----test.out(400B)
----untitled(0B)
----objectives.py(2KB)
----DeepCCA.py(8KB)