【文件属性】：
文件名称：DBN_Learning:利用深度RBM构建多分类模型
文件大小：114KB
文件格式：ZIP
更新时间：2021-05-18 19:56:43
Python
基于RBM的深度学习算法
基于多层RBM模型，实现二分类学习算法，目前针对该问题是采用2层RBM,特征输入只有8维，效果并不理想。
功能框架：
DBN.py：深度学习主框架，包括数据输入、输入sigmoid转换，RBM层堆叠，softmax层输出。
RBM.py：RBM层框架，包括gibss采样、交叉熵误差验证
dA.py:这个是降噪自动编码器，目前还在研究
SdA.py:，堆叠降噪自动编码器，目前仍在研究
HiddenLayer.py:隐层主要是权值计算与更新
util.py：这主要是最后的softmax函数计算及输出
normal_8.py：输入数据归一化到[0,1]
train.txt:训练数据
text.txt:测试数据
基于复杂语言网络的文本分类：
这里面主要包括两部分，一部分是语言网络的生成，另一部分是语言网络的特征抽取。
第一部分采用的数据是twenty-news-group
【文件预览】：
DBN_Learning-master
----DBN.py(6KB)
----RBM.py(5KB)
----SdA.py(6KB)
----utils.py(545B)
----normal_8.py(5KB)
----基于复杂语言网络的文本二分类()
--------predict.py(1KB)
--------file_to_graph1_test.py(2KB)
--------graph_feature.py(2KB)
--------select_feature.py(1KB)
--------file_to_graph1_train.py(2KB)
----test.arff(45KB)
----dA.py(5KB)
----LogisticRegression.py(3KB)
----train1.txt(38KB)
----LICENSE(11KB)
----test.txt(43KB)
----train.txt(66KB)
----.gitignore(702B)
----HiddenLayer.py(2KB)
----README.md(2KB)
----test1.txt(30KB)
----train.arff(68KB)