深度学习源代码

上传者: kxuehen | 上传时间: 2019-12-21 20:04:43 | 文件大小: 11.07MB | 文件类型: rar
深度学习源代码,hinton论文附带源代码,包括图像编码和解码两部分。通过训练深层网络降维高位图片数据,并比较复原误差。主要利用级联Boltzmann估计多层网络初始参数,使得多层神经网络可以被很好的训练并得到理想结果。

文件下载

资源详情

[{"title":"( 14 个子文件 11.07MB ) 深度学习源代码","children":[{"title":"code","children":[{"title":"README.txt <span style='color:#111;'> 2.19KB </span>","children":null,"spread":false},{"title":"t10k-images-idx3-ubyte.gz <span style='color:#111;'> 1.57MB </span>","children":null,"spread":false},{"title":"backprop.m <span style='color:#111;'> 5.46KB </span>","children":null,"spread":false},{"title":"t10k-labels-idx1-ubyte.gz <span style='color:#111;'> 4.44KB </span>","children":null,"spread":false},{"title":"CG_MNIST.m <span style='color:#111;'> 2.66KB </span>","children":null,"spread":false},{"title":"train-labels-idx1-ubyte.gz <span style='color:#111;'> 28.20KB </span>","children":null,"spread":false},{"title":"mnistdisp.m <span style='color:#111;'> 1.06KB </span>","children":null,"spread":false},{"title":"train-images-idx3-ubyte.gz <span style='color:#111;'> 9.45MB </span>","children":null,"spread":false},{"title":"rbm.m <span style='color:#111;'> 3.82KB </span>","children":null,"spread":false},{"title":"mnistdeepauto.m <span style='color:#111;'> 2.15KB </span>","children":null,"spread":false},{"title":"makebatches.m <span style='color:#111;'> 2.46KB </span>","children":null,"spread":false},{"title":"minimize.m <span style='color:#111;'> 8.79KB </span>","children":null,"spread":false},{"title":"converter.m <span style='color:#111;'> 2.94KB </span>","children":null,"spread":false},{"title":"rbmhidlinear.m <span style='color:#111;'> 3.87KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

  • longtang2046 :
    很清楚 内容很完整
    2019-04-08
  • blackwhite2008 :
    很好的学习资料,值得一看,谢谢了
    2018-04-10
  • 幽夜落雨 :
    还不错,目前正在研究,,,,
    2017-11-01
  • iyeon :
    MATLAB代码,还没有研究。
    2017-09-15
  • redkite5270 :
    很好的学习资料,值得一看,谢谢了
    2017-06-22

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明