深度学习工具箱

【文件属性】：
文件名称：深度学习工具箱
文件大小：14.06MB
文件格式：ZIP
更新时间：2017-01-03 10:40:22
深度学习 matlab Matlab/Octave toolbox for deep learning. Includes Deep Belief Nets, Stacked Autoencoders, Convolutional Neural Nets, Convolutional Autoencoders and vanilla Neural Nets. Each method has examples to get you started.[来自GitHub]

【文件预览】：
DeepLearnToolbox-master
----SAE()
--------saetrain.m(308B)
--------saesetup.m(132B)
----create_readme.sh(744B)
----NN()
--------nnchecknumgrad.m(704B)
--------nnupdatefigures.m(2KB)
--------nnapplygrads.m(628B)
--------nnff.m(2KB)
--------nntrain.m(2KB)
--------nneval.m(772B)
--------nnbp.m(2KB)
--------nnsetup.m(2KB)
--------nnpredict.m(188B)
--------nntest.m(180B)
----DBN()
--------dbnunfoldtonn.m(425B)
--------rbmup.m(89B)
--------rbmtrain.m(1KB)
--------dbnsetup.m(557B)
--------rbmdown.m(90B)
--------dbntrain.m(232B)
----CONTRIBUTING.md(544B)
----.travis.yml(249B)
----util()
--------randp.m(2KB)
--------whiten.m(183B)
--------tanh_opt.m(54B)
--------visualize.m(1KB)
--------flipall.m(80B)
--------normalize.m(97B)
--------sigm.m(48B)
--------isOctave.m(108B)
--------sigmrnd.m(126B)
--------softmax.m(256B)
--------flipudf.m(576B)
--------im2patches.m(313B)
--------zscore.m(137B)
--------rnd.m(49B)
--------fliplrf.m(543B)
--------allcomb.m(3KB)
--------flicker.m(208B)
--------randcorr.m(283B)
--------patches2im.m(242B)
--------expand.m(2KB)
--------makeLMfilters.m(2KB)
----LICENSE(1KB)
----REFS.md(950B)
----README.md(8KB)
----CNN()
--------cnnsetup.m(2KB)
--------cnnapplygrads.m(575B)
--------cnntest.m(193B)
--------cnnbp.m(2KB)
--------cnntrain.m(845B)
--------cnnff.m(2KB)
--------cnnnumgradcheck.m(3KB)
----data()
--------mnist_uint8.mat(14.05MB)
----CAE()
--------caedown.m(259B)
--------caeapplygrads.m(1KB)
--------scaetrain.m(270B)
--------scaesetup.m(2KB)
--------caebbp.m(917B)
--------caetrain.m(1KB)
--------caenumgradcheck.m(4KB)
--------caebp.m(1011B)
--------caeup.m(489B)
--------caeexamples.m(754B)
--------max3d.m(173B)
--------caesdlm.m(845B)
----README_header.md(2KB)
----tests()
--------runalltests.m(165B)
--------test_nn_gradients_are_numerically_correct.m(749B)
--------test_example_NN.m(3KB)
--------test_example_CNN.m(981B)
--------test_cnn_gradients_are_numerically_correct.m(552B)
--------test_example_DBN.m(1KB)
--------test_example_SAE.m(934B)