importjava.util.Random；publicclassDBN{publicintN；publicintn_ins;publicint[］hidden_layer_sizes;publicintn_outs；publicintn_layers;publicHiddenLayer[]sigmoid_layers;publicRBM［］rbm_layers;publicLogisticRegressionlog_layer；publicRandomrng;publicstaticdoublesigmoid（doublex）｛return1。0/(1.0+Math。pow（Math.E，—x））;｝//DBN的构造函数N为样本的个数，n-ins为特征个数，hidden_layer_sizes为隐藏层的结构，n—outs为输出维数,n—layers为隐藏层个数,rng为随机数实例publicDBN（intN,intn_ins，int[］hidden_layer_sizes，intn_outs，intn_layers,Randomrng)｛intinput_size；this.N=N;//赋值样本数目this.n_ins=n_ins;//赋值特征个数this.hidden_layer_sizes=hidden_layer_sizes；//赋值隐藏层结构this。n_outs=n_outs;//赋值输出维数this.n_layers=n_layers；//赋值隐藏层数目this。sigmoid_layers=newHiddenLayer[n_layers]；//声明两个隐藏层this。rbm_layers=newRBM［n_layers］；//声明两个RBM对应每个隐藏层if(rng==null)this。rng=newRandom（1234）；//获取一个随机数值elsethis。rng=rng;//constructmulti-layer初始化每个隐藏层for(inti=0；i〈this。n_layers;i++）｛if（i==0)｛input_size=this.n_ins；//第一层隐藏层的输入为样本的特征的个数｝else{input_size=this.hidden_layer_sizes[i—1］；//后面的隐藏层的输入为上一层隐藏层的输出，也就是上一层的隐藏层节点的个数。}//sigmoid层是用来计算的，rbm是用来调整w，b,c的//constructsigmoid_layer初始化每个隐藏层,初始化做的事情就是给W和b赋随机值this.sigmoid_layers[i]=newHiddenLayer（this.N，input_size，this.hidden_layer_sizes［i]，null,null,rng）;//constructrbm_layer初始化玻尔兹曼机，其实也就是初始化,W，b，c其中,w,b用的是hiddenlayer的this.rbm_layers[i］=newRBM（this。N,input_size,this.hidden_layer_sizes[i],this。sigmoid_layers[i]。W，this。sigmoid_layers［i]。b，null，rng);｝//在完成每一层的构建之后，构建一个输出的逻辑回归层//layerforoutputusingLogisticRegression，
参数
转速和进给参数表a氧化沟运行参数高温蒸汽处理医疗废物pid参数自整定算法口腔医院集中消毒供应
为样本个数N，输入为网络结构最后一层的输出数,输出为DBM网络设置的输出维数this。log_layer=newLogisticRegression(this.N，this.hidden_layer_sizes[this.n_layers-1],this。n_outs);｝//对DBN网络进行一个预训练，目的是为每一层先构造更好的W和b，先使得网络更好的拟合样本的分布,类似于先把点放在最后值的附近publicvoidpretrain(int［]［］train_X,doublelr，intk，intepochs){//输入训练样本，学习率lr，CD—k=1,epochs=1000int[]layer_input=null；intprev_layer_input_size；int[]prev_layer_input；for(inti=0;i〈n_layers;i++）｛//layer—wise迭代每一个层for(intepoch=0;epoch〈epochs；epoch++）｛//trainingepochs每个层都迭代优化epochs次for（intn=0;n〈N;n++)｛//inputx1..。xN每一层都遍历每个训练样本，这种方式相当于是随机梯度下降//layerinputfor（intl=0;l〈=i;l++){//从前面训练好的每一层开始迭代,假设有3层，i=2，0，1，2迭代3次if（l==0){//l=0的时候只是获取数据的特征layer_input=newint［n_ins］；//第一层的输入维度为样本的特征数for（intj=0；j
1)return0;intc=0;doubler;for(inti=0；i
本文档为【DBN代码注释】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。
该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。
[版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
浙公网安备 33021202002483