A Brief Didactic Theoretical Review on Convolutional Neural Networks, Deep Belief Networks and Stacked Auto-Encoders

Hinton发表在《Neural Computation》上的深度学习最经典论文之一。

这篇paper是Hinton大牛在2006你那发表的文章，该文在神经网络的深度学习领域取得重大突破。

Convolutional deep belief networks on CIFAR-10.pdf

在低密度奇偶校验（LDPC）码的置信传播（BP）解码算法中，基于动态调度策略的算法表现出出色的性能。 在这封信中，我们提出了一种基于可变节点的动态调度解码算法。 对于所提出的算法，基于对数似然比（LLR）值和奇偶校验方程评估变量节点的可靠性。 然后，提出了一种更准确的动态选择策略。 同时，对振荡变量节点进行处理，从而抑制了由振荡引起的错误消息传播的影响。 另外，所提出的算法在一次迭代中更新了与原始BP解码算法相同数量的消息，这与其他一些动态解码算法不同。 仿真结果表明，该算法优于其他算法。

深度网络（DBN）的简单指导代码

DBN 爬虫入门

Deep Belief Network深度信念网络（DBN的Matlab代码），可以运行test_example_DBN.m对手写数字进行训练学习

自然语言处理 实体关系抽取 Deep Belief Nets

Matlab code for Gaussian Belief Propagation (BP) matlab代码 置信传播算法