Deeplearning深度学习笔记v5.53 吴恩达机器学习笔记更新--在这 5 堂课中，学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴 恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。Deep Learning Specialization 对卷积神经网络 (CNN)、递归神经网络 (RNN)、长短期记忆 (LSTM) 等深度学 习常用的网络结构、工具和知识都有涉及。
2022-09-14 01:59:06
25.42MB
1
dbn
matlab代码深度学习及其在网络数据中的应用
通过使用深度信念网络对权重进行预训练，可以成功地训练具有任意数量的隐藏层的人工神经网络（ANN）（Hinton
2006）。
在这里，我们使用上述预训练方法在R中提供了一个深层的ANN（具有许多隐藏层的ANN）实现。
实现了两种使用模式-分类和自动编码器。
后者是用于重构输入的ANN变体，可用于降低尺寸，因为可以提取较低维度的中间“已编码”层。
此实现已在MNIST数字数据集上进行了测试。
还包括一个用于网络数据集Reality
Mining的应用程序，其中使用深度自动编码器在聚类之前对数据进行预处理，以获得更好的结果。
代码文件说明
Main.R.
用于在MNIST数字数据集上运行深度ANN实现的主文件。
可以在主文件中调整参数和设置，包括使用模式：分类或自动编码器。
nn.R.
使用反向传播训练的神经网络的实现。
提供了两种模式：分类和自动编码器，可以使用任意数量的隐藏层。
对于分类，当前仅执行二进制分类，但可以轻松地适用于K个类别，K>
=
3。
dbn.R.
深度信念网络的实现，该模型用于预训练深度神经网络的权重。
如果未
2022-08-09 19:20:54
12.19MB
1