# 包含网络
Deep Belief Network (DBN) <br />
Convolutional Neural Network (CNN) <br />
Recurrent Neural Network (RNN) <br />
Long Short Term Memory (LSTM) <br />
Stacked Autoencoder (sAE) <br />
Stacked Sparse Autoencoder (sSAE) <br />
Stacked Denoising Autoencoders (sDAE) <br />
# 版本信息
Version 2018.6.1 <br />
Chg 重写了SAE,现在可以放心使用了 <br />
Chg 新增了绘制训练曲线图,预测标签分布图,权值图的功能 <br />
Chg 代码的整体运行函数run_sess放到了base_func.py <br />
Note 用户可以通过model.py文件控制一些功能的开关: <br />
·→ tensorboard(self.tbd) <br />
·→ saver(self.sav) <br />
·→ 显示曲线(self.show_pic) <br />
·→ 保存权值图(self.plot_para) <br />
# 测试结果
用于minst数据集分类,运行得到正确率可达98.78%; <br />
# 参考资料
TF基本函数:http://www.cnblogs.com/wuzhitj/p/6431381.html <br />
RBM原理:https://blog.csdn.net/itplus/article/details/19168937 <br />
Hinton源码:http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html <br />
sDAE原论文:http://www.jmlr.org/papers/volume11/vincent10a/vincent10a.pdf <br />
sSAE分析TE:https://www.sciencedirect.com/science/article/pii/S0169743917302496 <br />
RNN原理:https://zhuanlan.zhihu.com/p/28054589 <br />
LSTM:https://www.jianshu.com/p/9dc9f41f0b29 <br />
Tensorboard:https://blog.csdn.net/sinat_33761963/article/details/62433234 <br />
# My blog
知乎:https://www.zhihu.com/people/fu-zi-36-41/posts <br />
CSDN:https://blog.csdn.net/fuzimango/article/list/ <br />
QQ群:640571839 <br />
没有合适的资源?快使用搜索试试~ 我知道了~
DBN_tensorflow用于故障诊断
共54个文件
py:12个
mat:12个
pyc:12个
4星 · 超过85%的资源 需积分: 50 290 下载量 163 浏览量
2018-10-07
10:27:57
上传
评论 46
收藏 23.9MB ZIP 举报
温馨提示
使用DBN模型进行故障诊断,故障类型为4类,每类训练集为400个,测试20个。
资源推荐
资源详情
资源评论
收起资源包目录
DBN.zip (54个子文件)
DBN
test_data.mat 552KB
test_label.mat 260B
元数据
test_data.mat 552KB
test_label.mat 199B
train_label.mat 213B
train_data.mat 2.69MB
DBN代码说明(05.23版).pptx 1.88MB
train_label.mat 470B
train_data.mat 2.7MB
Tensorflow-Deep-Neural-Networks-master
models
dbn.py 6KB
rbms.py 2KB
un_sae.py 3KB
__pycache__
cnn.cpython-35.pyc 4KB
rbm.cpython-36.pyc 3KB
dbn.cpython-35.pyc 4KB
cnn.cpython-36.pyc 4KB
rbms.cpython-35.pyc 2KB
dbn.cpython-36.pyc 3KB
rbm.cpython-35.pyc 4KB
model.cpython-36.pyc 8KB
model.cpython-35.pyc 9KB
rbms.cpython-36.pyc 2KB
cnn.py 5KB
rnn.py 5KB
sup_sae.py 6KB
ae.py 6KB
model.py 13KB
rbm.py 4KB
lstm.py 8KB
base
__pycache__
base_func.cpython-36.pyc 8KB
base_func.cpython-35.pyc 9KB
Version Information.txt 329B
base_func.py 10KB
tensorboard
Anaconda Prompt.lnk 3KB
tensorboard.txt 169B
test
img
label_distibution.png 39KB
DBN_layer_4.png 265KB
DBN_layer_3.png 140KB
DBN_layer_2.png 154KB
classification_MINST.py.png 169KB
DBN_layer_1.png 1.51MB
classification_MINST.py 3KB
dataset
MNIST_data
test_data.mat 552KB
test_label.mat 199B
t10k-images-idx3-ubyte.gz 1.57MB
t10k-labels-idx1-ubyte.gz 4KB
train_label.mat 213B
train_data.mat 2.69MB
train-labels-idx1-ubyte.gz 28KB
train-images-idx3-ubyte.gz 9.45MB
saver
loss_and_acc.csv 220B
DBN
fine-tune
pre-train
acc_list.csv 40B
label_distribution.csv 116B
README.md 2KB
共 54 条
- 1
资源评论
- rayrrr32018-11-26有介绍很详细
- qq_263442232019-03-04还行,介绍详细
- beking12018-11-27不错的,PPT很花哨
GrayScale&晖
- 粉丝: 5
- 资源: 7
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功