层次分析matlab代码-dnnwsp:带有权重稀疏控制（即L1-norm正则化）的深度神经网络（DNN）使用精神分裂症患者和健...

层次分析matlab代码具有权稀疏控制的深度神经网络（DNN） 最近，DNN在神经影像数据分析中引起了越来越多的兴趣。 然而，挑战在于解决将DNN应用于神经影像数据时的所谓的“维数诅咒”问题，其中当有限数量的样本和高维神经影像数据存在时，可能会发生过度拟合用于训练DNN。 为了解决这个问题并增加DNN在神经影像数据分析中的用途，已经提出了DNN权重的显式控制，并且已经证明了其在使用全脑功能连接和激活数据进行分类任务中的功效[1、2]，如下所示：以及用于情感React预测的回归分析[3]。 在这些使用Theano或TensorFlow库的基于Python的软件工具箱中，我们实现了DNN方法，以便DNN的新手可以使用我们的样本数据尝试我们的模型，并最终将其应用于其数据集。 “ Matlab_code”包含一维完全连接DNN（fcDNN）和我们建议的3D卷积神经网络（CNN）模型的代码示例，以及示例数据。 样本数据 我们准备了在四项感觉运动任务中获得的样本，这些任务包括左手握紧，右手握紧，听觉注意和视觉刺激任务[1]。 此外，提供了用于情绪预测的样本fMRI数据[3]。 先决条件 带有The