暂无评论
本资源是深度学习autoencoder模型基于matlab的实现代码，该模型前半部分是数据编码（即数据的降维过程），后半部分是解码（即原始数据的恢复过程，用来计算重构误差），在网络初始化阶段采用RBM
用matlab 语言实现的深度学习教材，非常基础，尤其适合熟悉matlab、希望快速上手的朋友，
MATLAB中深度学习的实现方法。
Matlab具备图像处理、数学计算等功能，但深度学习效率较低，耗时较长，初学者更适合选择C或Basic语言。
autocad 计算所选线段的总长度 lisp类型
计算各类传输线阻抗,同轴线,带状线,微带线,
微带线计算，适合对微波和高频信号感兴趣的读者，layout中会用到。
matlab开发-具有深度颜色编码的最大亮度投影。mip查看器，其中颜色表示具有最大强度的体素的深度。
matlab开发-标签代码的11行深度标注。使用matlab？，一个简单的网络摄像头和一个深度神经网络来识别周围的物体。
针对因线路分布复杂、终端数目庞大等带来的低压台区理论线损计算困难的问题,提出一种基于深度置信网络(DBN)的低压台区理论线损计算新方法。在训练过程中,先利用贪婪算法对DBN模型中的神经网络层进行逐层无
暂无评论