搜索资源列表
Autoencoder_Code
- 深度学习中自动编码器，对象为手写体识别应用，希望可以一同研究学习-Deep Learning AutoEncoder
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
DeepLearnToolbox-master
- 这是深度学习的常用工具箱，里面包括常用的自动编码器、卷积神经网络和深度置信网络的函数- This is a common toolbox depth study, which includes functions commonly used automatic encoder, convolutional neural network and depth of belief networks
AutoEncoder
- 最先提出深度学习算法hinton的自动编码器matlab代码，内容是：利用多层rbm进行自动编码的多层特征训练，然后使用梯度算法进行fine turn。可以进行特征提取，也可以进行分类。压缩包里已带有训练用签字图片数据。相应算法说明可以查看hinton于2006年发表在 science的文章-First proposed deep learning algorithm hinton automatic encoder matlab code that reads: multilayer r
DeepLearnToolbox-master
- 这是用于深度学习的Matlab工具箱 深度学习是机器学习的一个新的子领域，专注于学习深层次的数据模型。 它的灵感来自于人类大脑的明显的深层次（分层的）层次结构。 目录包括`NN /` - 一个用于前馈反向传播神经网络的库，`CNN /` - 卷积神经网络库，`SAE /` - 堆叠式自动编码器库，`CAE /` - 卷积自动编码器库，`util /` - 库使用的功能函数，`data /` - 实例使用的数据，`tests /` - 单元测试来验证工具箱是否正常工作(A Matlab to
深度学习模型（卷积神经网络，深信度网络和堆栈稀疏自动编码器）
- 深度学习网络，包含卷积神经网络,深信度神经网络,和堆栈稀疏自动编码器等
深度自动编码器的研究与展望_曲建岭
- 到于深度自动编码器编码器的原理，构建过程等的简要介绍(A brief introduction to Deep Auto-encoders.)