深度置信网络DBN

深度信念网络(DeepBeliefNetwork,DBN)由GeoffreyHinton在2006年提出。它是一种生成模型，通过训练其神经元间的权重，我们可以让整个神经网络按照最大概率来生成训练数据。

近些年来,人工智能领域又活跃起来,除了传统了学术圈外,Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队,并取得了很多令人瞩目的成果。这要归功于社交网络用户产生的

DBN 算法的基本知识解读 2006 年 Hinton 发表了一篇革命性的论文 Hinton G EOsinderoSand TehY A fast learning algorithmfor dee

MatlabReadMNIST是用来从train-labels-idx1-ubyte，train-images-idx3-ubyte，t10k-labels-idx1-ubyte，t10k-image

常用深度网络模型,深度卷积网络、深度循环网络,生成对抗网络

这是一个用C++ 实现的神经网络,可以很好的帮助深度学习爱好者学习用c++实现神经,对于caffe的源码较多,这是一个很好的入门源码。

当Microsoft Research发布用于图像识别的深度残差学习时,深度残差网络席卷了深度学习领域。这些网络在ImageNet和COCO 2015竞赛的所有五个主要赛道中均获得了第一名的入围作品,

深度前馈网络pdf

本篇非常简要地介绍了深度信念网络的基本概念。文章先简要介绍了深度信念网络（包括其应用实例）。接着分别讲述了：(1)其基本组成结构——受限玻尔兹曼机的的基本情况，以及，(2)这个基本结构如何组成深度信念

个人从网络收集资料，本资料共分为九个部分介绍深度神经网络