文件名称：UFLDL：Self-Taught Learning
文件大小：11.15MB
文件格式：ZIP
更新时间：2021-11-27 05:08:38
UFLDL Self-Taught 自学习
实验要求可以参考deeplearning的tutorial， Exercise:Self-Taught Learning 。本实验和上一个实验一样都是对手写数字0-9的识别，区别在于上一个实验直接把原始图像的像素值作为特征输入到softmax回归进行分类，而本实验通过自学习从原始像素值从学习到维度更低的特征（稀疏自动编码），再交给softmax回归，相当于比之前的实验多了自学习特征的步骤，最后实验显示，加上自学习特征之后模型的正确率更高。 --------------------- 作者：Danieljf24 来源：CSDN 原文：https://blog.csdn.net/danieljianfeng/article/details/41913521 版权声明：本文为博主原创文章，转载请附上博文链接！
【文件预览】：
Exercise6 Self-Taught Learning
----softmaxTrain.m(2KB)
----stlExercise.m(7KB)
----t10k-labels-idx1-ubyte(10KB)
----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(885B)
--------precondTriu.m(50B)
--------dampedUpdate.m(953B)
--------precondTriuDiag.m(59B)
--------lbfgsC.mexw64(10KB)
--------minFunc_processInputOptions.m(3KB)
--------autoHv.m(307B)
--------conjGrad.m(2KB)
--------mcholC.mexmaci64(13KB)
--------precondDiag.m(41B)
--------lbfgsC.c(2KB)
--------example_minFunc_LR.m(2KB)
--------rosenbrock.m(1KB)
--------mchol.m(1KB)
--------lbfgsC.mexmac(9KB)
--------lbfgsUpdate.m(594B)
--------lbfgsC.mexa64(8KB)
--------callOutput.m(374B)
--------mcholinc.m(539B)
--------minFunc.m(41KB)
--------WolfeLineSearch.m(11KB)
--------taylorModel.m(677B)
--------mcholC.mexw32(8KB)
--------autoGrad.m(807B)
--------lbfgsC.mexmaci(12KB)
--------isLegal.m(106B)
--------polyinterp.m(4KB)
--------lbfgsC.mexmaci64(9KB)
----loadMNISTImages.m(811B)
----initializeParameters.m(622B)
----computeNumericalGradient.m(1KB)
----softmaxCost.m(1KB)
----train-images-idx3-ubyte(44.86MB)
----sparseAutoencoderCost.m(4KB)
----t10k-images-idx3-ubyte(7.48MB)
----feedForwardAutoencoder.m(1KB)
----display_network.m(3KB)
----softmaxPredict.m(915B)
----train-labels-idx1-ubyte(59KB)
----loadMNISTLabels.m(516B)
----testMemory.m(52B)