这是一个有关深度信念网络的事例，用matlab编写的，想用的小伙伴可以下载试试

一个用DBN做时间序列预测的实例，内包括了数据

关于数据集的注释： 使用一个简单的脚本将原始的.mat图像和基本事实转换为.txt文件。 数据目录包含这些.txt文件的示例（但不是全部）。 原始.mat文件可以从[Palis Vasco大学]（ ）获得。 使用注意事项： DBN_writeparams旨在替代DBN。 DBN仅由DBN_example使用。 DBN对象的参数应在DBN_writeparams和DBN_example中匹配（例如n_ins，hidden_​​layers_sizes，n_outs）。 去做： 在DBN_example中创建一个模块，用于加载训练后的权重和偏差。

包含网络 Deep Belief Network (DBN) Convolutional Neural Network (CNN) Recurrent Neural Network (RNN) Long Short Term Memory (LSTM) Stacked Autoencoder (sAE) Stacked Sparse Autoencoder (sSAE) Stacked Denoising Autoencoders (sDAE) 版本信息 Version 2018.5.10 New 新增了网络RNN与LSTM New 新增了保存模型的功能 Chg 更改了项目名称 Chg 更改了部分代码，提高运算效率 Chg 改写了网络的feed部分，现在所有网络共用训练与测试的函数 Fix 路径创建不成功的Bug Info sSAE和sDAE的Code实现可能不太

SimDeblur SimDeblur（ Sim ple Deblur环）是基于PyTorch的图像和视频去模糊工具箱的开源框架，其中包含基于深度学习的最先进的去模糊算法。 您可以轻松实现自己的图像或视频去模糊或其他恢复算法。 主要特点 模块化设计 该工具箱将去模糊的框架分解为不同的组件，并且可以通过组合不同的模块轻松地构建自定义的恢复框架。 最先进的 该工具箱包含大多数基于深度学习的最新去模糊算法，包括MSCNN，SRN，DeblurGAN，EDVR等。 分布式培训 新的功能 [2021/3/21]首次发布。 支持的方法和基准 单图像去模糊 MSCNN [，] SRN [，] DeblurGAN [，] DMPHN [，] DeblurGAN_V2 [，] SAPHN [] 视频去模糊 DBN [，] STRCNN [] DBLRNet [] EDVR [，]

英国统计公告中的数据可作为牛的季度结核病的二级数据公开获得（至2018年3月的数据）。 数据可用于英格兰的高风险、边缘风险和低风险地区。 在我们的模型中，节点是从有关政府发布的 bTB 政策的文献和可用文件中得出的。 从领域专家和可用文献中得出表明不同节点之间的有效性水平并显示它们之间的因果关系的边，并从现有文献和数据中得出先验概率。 然后，每次向网络添加新信息（证据）时，DBN 都会更新先验概率。

DBN 深度信念网络在Tensorflow中的实现

很好的基于蚁群优化的DBN转移网络结构学习算法，算法描述很详细，特别适合初学者

【预测模型】基于DBN实现风速预测matlab源码.zip

dbn matlab代码神经网络 神经网络实施MATLAB（RBM，DBN，DNN） 在该项目中，从RBM结构实现了神经网络： 受限玻尔兹曼机（RBM）是一种生成型随机人工神经网络，可以学习其输入集上的概率分布。 然后，实现一个DBN： 在机器学习中，深度信念网络（DBN）是一个生成的图形模型，或者是一类深度神经网络，由多层潜在变量（“隐藏单元”）组成，各层之间存在连接，但内部各层之间没有连接每层。 最后，从前两个实现中实现了深度神经网络。 MNIST数据集用于测试DNN。 MATLAB代码从“脚本”生成CSV，这些脚本用于使用R绘制一些精美的图。 该代码分为3部分： 第1部分：RBM学习->从RBM（字母数字）生成图像； 第2部分：DBN学习->从DBN（字母数字）生成图像； 第3部分：DNN学习（预训练）->比较预训练DNN和随机初始化DNN的错误率。