深度信念网络学习资料

神经网络和深度学习中文版 Micheal Nielsen著 xiaohuZhu翻译

作者：CharuC.Aggarwal是位于纽约YorktownHeights的IBMT.J.Watson研究中心的杰出研究成员。本书涵盖了深度学习的理论和算法，并详细讨论了神经网络与传统机器学习算

台大李宏毅教授关于深度学习基本网络架构讲解的PPT，很有参考的意义

深度学习常用的模型

Deep Neural Networks for Object Detection_Szegedy_no.pdf

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入

低风速分散式风电接入微电网使得微电网能够利用低风速风资源为负荷供电,但其低惯量的特点也对微电网的频率稳定性提出了挑战。为了探究微电网中低风速风电机组(LWTG)如何有效参与抑制微电网频率波动,在LWT

文献为“基于VMD与PSO优化深度信念网络的短期负荷预测”的caj文件，为提高短期负荷预测精度，采用变分模态分解(variationalmodedecomposition，VMD)技术将原始历史负荷序

由于稀疏表示在人脸识别上的优异表现，大量的研究关注于在深度网络上结合稀疏编码。常用的稀疏深度信念网络限制所有的隐藏单元具有相同的稀疏水平，这不是诱导稀疏表示最自然的方式。针对这个问题，根据压缩感知理论

针对智能手机面临的信息安全问题,研究了一种优化卷积深度信念网络的智能手机身份认证方法。先对采集的原始数据进行预处理,再引入稀疏自编码器进行预训练,预训练后的权重作为卷积深度信念网络模型的卷积核,选用逐