【文件属性】：
文件名称：稀疏PCAmatlab代码-UFLDL_ex:UFLDL的编程练习
文件大小：50KB
文件格式：ZIP
更新时间：2021-05-25 16:55:34
系统开源
稀疏PCA
matlab代码
UFLDL
exercises
UFLDL有两个版的教程页面,
,
,
这两个的内容是一样的,
第一个是更新的一个版本,
刚开始本人follow的是第一个,
但目前没有整理完善,
组织顺序也很奇怪,
后来才转到第二个.
ex1和nn是follow第一个时完成的,
后面的是follow第二个时完成的.
第一版中提供的将所有UFLDL练习代码进行了整合,
用这个start
code感觉更好些,
用这个代码的结构follow旧版的练习可以减少一些冗余,
只是导入数据的方式有一点点不一样.
已完成的有:
ex1,
单层回归:
nn,
sparse_autoencoder,
pca,
,
这一节内容还包括pca白化,
zca白化
,
这一节与ex1中略有有重复,
这一节代码要为下一节stl服务,
需要完成
,
(this
case
is
NOT
done
well.)
以上除了nn是用python编写,
其它均为matlab.
略去各数据集,
minfun等部分.
【文件预览】：
UFLDL_ex-master
----softmax()
--------softmaxCost.m(1KB)
--------softmaxExercise.m(5KB)
--------softmaxPredict.m(785B)
--------softmaxTrain.m(2KB)
----README.md(2KB)
----pca()
--------pca_gen.m(6KB)
--------pca_2d.m(3KB)
----nn()
--------data_loader.py(2KB)
--------nn.py(4KB)
--------activator.py(160B)
--------nn_softmax.py(4KB)
----stl()
--------feedForwardAutoencoder.m(1KB)
--------stlExercise.m(6KB)
--------feedfowardRICA.m(2KB)
----stacked_autoencoder()
--------stackedAEPredict.m(1KB)
--------stackedAEExercise.m(10KB)
--------checkStackedAECost.m(2KB)
--------computeNumericalGradient.m(1KB)
--------stack2params.m(2KB)
--------initializeParameters.m(622B)
--------softmaxCost.m(1KB)
--------feedForwardAutoencoder.m(1KB)
--------display_network.m(3KB)
--------params2stack.m(1KB)
--------stackedAECost.m(4KB)
--------softmaxPredict.m(785B)
--------softmaxTrain.m(2KB)
--------sparseAutoencoderCost.m(4KB)
----ex1()
--------logistic_regression.m(953B)
--------binary_classifier_accuracy.m(138B)
--------ex1c_softmax.m(2KB)
--------ex1a_linreg.m(3KB)
--------sigmoid.m(42B)
--------multi_classifier_accuracy.m(157B)
--------logistic_regression_vec.m(803B)
--------ex1b_logreg.m(2KB)
--------linear_regression.m(950B)
--------ex1_load_mnist.m(1KB)
--------softmax_regression_vec.m(2KB)
--------linear_regression_vec.m(852B)
--------grad_check.m(673B)
----sparse_autoencoder()
--------sampleIMAGES.m(2KB)
--------checkNumericalGradient.m(2KB)
--------train.m(6KB)
--------computeNumericalGradient.m(1KB)
--------initializeParameters.m(622B)
--------display_network.m(3KB)
--------sparseAutoencoderCost.m(4KB)