matlab精度检验代码-RestrictedBoltzmannMachine:使用持久对比散度在MNIST数据集上训练为生成模...

matlab精度检验代码递归神经网络用于生成合成图像 描述 从头开始编写了一种称为受限玻尔兹曼机（RBM）的人工神经网络类型的示例脚本，揭示了如何在不需要外部库的情况下实现底层算法。 该模型使用持久对比散度（PCD）进行训练，该算法大致类似于Hebbian学习。 所有代码都是用Julia编写的，Julia是一种编程语言，其语法类似于Matlab。 在手写数字的MNIST数据集上，将神经网络训练为生成模型。 从模型中收集的许多样本看起来就像是由人制作的。 因为在训练过程中包括了每个手写数字的标签，所以神经网络也可以用于对手写数字进行分类。 通过计算给定特征的标签的期望值来进行预测，从而无需将神经网络作为判别模型进行微调。 使用这种方法，在测试数据集上可以达到98.18％的精度。 下载 下载： Git： git clone https://github.com/jostmey/RestrictedBoltzmannMachine 要求 该代码需要Julia运行时环境。 有关如何下载和安装Julia的说明，请参见。 这些脚本是使用0.4版开发的，可能无法在Julia的早期版本上使用。 需要几