文件名称：matlab精度检验代码-edbn:基于事件的深度信念网络离线训练算法
文件大小：18.8MB
文件格式：ZIP
更新时间：2024-06-10 15:39:07
系统开源
matlab精度检验代码教育局 ==== EDBN是用于Matlab的基于事件的深度学习体系结构，最早发表于Peter O'Connor，Daniel Neil，Shih-Chii Liu，Tobi Delbruck和Michael Pfeiffer所著的“带有尖峰深层信念网络的实时分类和传感器融合”中。 这段代码的目的是提供本文中提出的完整算法的原型示例，可以对其进行修改，学习或扩展。 原始文件可在以下位置找到： 特征 快速向量化实现。 选择附加组件以提高选定域中的准确性：持续的对比差异，快速权重，稀疏性和选择性，衰减，动量，温度和可变gibbs步骤。 小文件数，便于修改和扩展。 例子 %% Load paths addpath(genpath( ' . ' )); %% Load data load mnist_uint8; % Convert data and rescale between 0 and 0.2 train_x = double(train_x) / 255 * 0.2 ; test_x = double(test_x) / 255 * 0.2 ; train_y
【文件预览】：
edbn-master
----mnist_uint8.mat(14.05MB)
----edbn_brian_test.py(4KB)
----siegert.m(4KB)
----erbmdown.m(100B)
----visualize.m(1KB)
----erbmtrain.m(3KB)
----edbntoptrain.m(3KB)
----edbntest.m(331B)
----erbmup.m(98B)
----live_edbn.m(6KB)
----base64encode.m(5KB)
----edbnsetup.m(3KB)
----edbntrain.m(308B)
----README.md(4KB)
----edbnclean.m(334B)
----example.m(1KB)
----edbn_95.52.mat(4.76MB)
----good_train.m(2KB)
----edbntoxml.m(2KB)
----struct2xml.m(7KB)