深度信念网络回归算法，内含受限玻尔兹曼机训练、BP微调拟合，最终完成深度信念网络回归算法的训练。算法以Python语言完成，包含多个子文件，全部写入该word文档。
2021-08-29 13:05:49
30KB
1
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。 深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
2021-05-16 23:32:35
42.67MB
1
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。 深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
2021-03-03 23:50:19
42.67MB
1
深度信念网络(Deep belief network, DBN)是一种基于深度学习的生成模型, 克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题, 近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想, 人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上, 给出了其发展趋势.
2021-02-03 11:14:24
2.01MB
1
深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。 深度信念网络，有代码，有实例，有数据。
用于深度网络预训练。
2019-12-21 22:20:44
42.67MB
1
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
2019-12-21 22:03:18
14.02MB
1
针对轴承故障信号的非平稳性和非线性的特点，采用小波包分解和自回归（auto-regressive，AR）谱估计相结合的方法提取振动信号特征值；为了提高诊断结果的精度，提出用深度信念网络（deep believe network，DBN）进行诊断模型训练。首先，对轴承振动信号进行小波包分解和自回归谱估计，计算不同频段的能量实现轴承故障特征提取；其次，将提取到的特征值作为深度信念网络的输入向量，进行模型训练；最后，用训练好的模型进行故障诊断。为验证所提方法的有效性，采用美国凯斯西储大学提供的旋转轴承数据集，将提出的算法与三种故障诊断方法进行对比实验。实验结果表明，所提方法具有更好的诊断性能。
2019-12-21 21:40:09
1.4MB
1