Deep Belief Network 学习 Step By Step

资源

Deep Learning 软件资源列表    http://blog.youkuaiyun.com/chlele0105/article/details/17217919

Research in Computation Science  http://www.csee.wvu.edu/~xinl/source.html

Source for Deep Belief Network http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html

DeepLearnToolBox http://blog.youkuaiyun.com/lifeitengup/article/details/10219075

DeepLearnToolbox DBN源码解析   as a Sample http://blog.youkuaiyun.com/chlele0105/article/details/20781985

UPD 2014/3/26

Step 1 Run DBN and Learn the code

按照 http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html 的指示跑起来了。

在飞机上仿佛看明白了一些代码，但是掌握的还不是很透彻。

导师说没必要跑那么多， 那么我们把 mnisdeepauto.m & mnistclassify.m 里面的 maxepoch = 2 改了看一下效果。

改小节点个数再跑： mnistdeepauto中 numhid=1000; numpen=500; numpen2=250; numopen=30; 都改成 10 跑一下

看一下 MNIST的论文 http://www.stt.msu.edu/~zhangz19/index.files/files/cse802report.pdf 。 看看人家是怎么做的。

如果是 tags 和image 同时在 DBN 上跑那么完事大吉，否则要用 image 生成 tags 再做。

code 的解释：

http://www.cnblogs.com/tornadomeet/archive/2013/04/30/3052349.html

神经网络实现数据的降唯：

http://www.cnblogs.com/tornadomeet/archive/2013/04/29/3051393.html

每个代码文件的作用：

http://blog.youkuaiyun.com/artemisrj/article/details/20465829

大牛的文章：

http://www.cs.toronto.edu/~hinton/science.pdf

Step 2 Run NUS-Wide

 NUS-Wide Page: http://lms.comp.nus.edu.sg/research/NUS-WIDE.htm

The Descriptions of the Files Included in the NUS-WIDE 

http://lms.comp.nus.edu.sg/research/NUS-WIDEDescription.htm

mnistclassify 里

numhid=500; numpen=500; numpen2=2000; 

都改成 10 看看。

NUS-Wide 数据太多，都只取 10000 组试试 Run Image only