SRBM

Opis

Implementacja SRBM w oparciu o pracę Sparse deep belief net models for visual area V2 autorstwa Chaitanya Ekanadham.

Funkcjonalności

Obecna wersja posiada :

1. Testową implementację algorytmu
2. Podpięty zbiór trenujący z bazy MINST
3. Proste GUI

Uruchomienie z testu

Do uruchomienia testowego aplikacji można użyć testu org.wit.srbm.SrbmNetworkNGTest#testLearning().

Samodzielne uruchomienie sieci

        SRBM algorithm = new SRBM();
        algorithm.train();

Konfiguracja

Do konfiguracji parametrów sieci służy klasa Configuration.

Obsługa

Po uruchomieniu testu pokaże się okno z graficzną reprezentacją kolumn macieży wag oraz paczka ucząca. Na wyjściu konsoli będzie widać numer epoki, współczynnik błędu i czasy wykonania poszczgólnych kroków sieci.