基于MatlabOctave的第三方深度学习工具箱

dbn模型matlab代码

layers = [ imageInputLayer([22 1 1]) % 22X1X1 refers to number of features per sample convolution2dLayer(3,16,'Padding','same') reluLayer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(2) % 2 refers to number of neurons in next output layer (number of output classes) softmaxLayer classificationLayer];

CNN卷积神经网络训练不使用MATLAB的深度学习工具箱，matlab2021a运行测试

用于化合物和蛋白质建模的深度学习库DTI，药物特性，PPI，DDI，蛋白质功能预测 在药物再利用，虚拟筛选，QSAR，副作用预测等方面的应用 该存储库托管DeepPurpose，DeepPurpose是一个基于深度学习的分子建模和预测工具包，可用于药物-目标相互作用预测，化合物特性预测，蛋白质-蛋白质相互作用预测和蛋白质功能预测（使用PyTorch）。 我们专注于DTI及其在药物再利用和虚拟筛选中的应用，但支持其他各种分子编码任务。 它允许非常简单的用法（仅几行代码），以促进用于生命科学研究的深度学习。 消息！ [05/21] 0.1.2支持5种新的基于图神经网络的复合编码模型（DGL_GCN，DGL_NeuralFP，DGL_GIN_AttrMasking，DGL_GIN_ContextPred，DGL_AttentiveFP），使用！ 提供一个例子！ [12/20] TDC数据

CNTK2.0由微软正式发布，全名Cognitive Toolkit/CNTK，是一个可帮助公司加速图像和语音处理的深度学习工具。CNTK最早是由微软一些想要更快更高效地做自己的研究的计算机科学家开发的，但事故它很快就超越了语音领域并演变成了一个产品。已经在微软的产品上得到了广泛的应用，并且也被全世界需要大规模应用深度学习的公司或对最近的算法和技术感兴趣的学习所使用。 伴随着新版本CNTK2.0发布，该工具包的最新版本已经通过一个开源证书发布在了GitHub上，用户可以使用包括 Python（版本2.7、3.4 和3.5）、C++以及C#/.NET管理的认知工具包软件库获得额外的绑定。其他新特性包括Python示例和教程、Layers library的诸多改进、自动安装、Docker Hub中包括Docker 图像等等，部署了数百个新特性、性能提升和修复。

深度学习的工具箱,包含有CAE,CNN,DBN,NN,SAE,及一些utilities

Matlab深度学习工具箱使用指南-中文版

基于DBN的深度学习MATLAB工具箱，包含网络结构代码和实例代码。

daart：用于动物动作识别工具箱的深度学习 一组用于分析行为数据的工具 安装 首先，您必须安装git软件包才能访问github上的代码。 请按照针对特定操作系统的说明进行操作。 然后，在命令行中，导航至要安装daart软件包的位置，然后移至该目录： $: git clone https://github.com/themattinthehatt/daart $: cd daart 接下来，按照说明安装conda软件包以管理开发环境。 然后，创建一个conda环境： $: conda create --name=daart python=3.6 $: conda activate daart (daart) $: pip install -r requirements.txt 为了使软件包模块对python解释器可见，请从主daart目录中本地运行pip install： (daar