A Fast Learning Algorithm for Deep Belief Nets (2006) - 首 次提出layerwise greedy pretraining的方法，开创deep learning方向。 layerwise pretraining的Restricted Boltzmann Machine (RBM)堆叠起来构成 Deep Belief Network (DBN)，其中训练最高层的RBM时加入了label。之后对整个DBN进行fine-tuning。在 MNI
A Fast Learning Algorithm for Deep Belief Nets (2006) - 首 次提出layerwise greedy pretraining的方法，开创deep learning方向。 layerwise pretraining的Restricted Boltzmann Machine (RBM)堆叠起来构成 Deep Belief Network (DBN)，其中训练最高层的RBM时加入了label。之后对整个DBN进行fine-tuning。在 MNI
%2006年Hilton在《science》上发表文章《Reducing the Dimensionality of Data with Neural Networks》开创了深度学习的先河，从此深度学习大火至今。 %这里给出的就是这篇文章里使用的源代码，采用玻尔兹曼机进行数据降维。是深度学习及玻尔兹曼机入门方面非常好的材料。 %使用方法：训练一个AutoEncoder可选取以下一个程序进行组合： mnistdeepauto.m； 主程序 converter.m 将原始的MNIST数据集转换为
deep learning 的一些标志性文章 A Fast Learning Algorithm for Deep Belief Nets (2006) - 首 次提出layerwise greedy pretraining的方法，开创deep learning方向。 layerwise pretraining的Restricted Boltzmann Machine (RBM)堆叠起来构成 Deep Belief Network (DBN)，其中训练最高层的RBM时加入了label。之后对整
