颜色分类leetcode ufldl 无监督特征学习和深度学习教程的实现

颜色分类leetcode无监督特征学习和深度学习UFLDL教程和(2016)练习的解决方案。由于大小限制，某些文件，特别是图像和垫子，无法上传。请从教程网站下载它们。练习1：稀疏自编码器以下文件是本练习的核心： sampleIMAGES.m ：加载IMAGES.mat并随机选择模式进行训练。 sparseAutoencoderCost.m ：前向和反向传播。请注意，提供了两种实现方法。 computeNumericalGradient.m ：做梯度测试。这部分应该在以后的例子中跳过，因为它花费了大量的时间。 test.m ：整个过程。笔记：我们在sparseAutoencoderCost.m的第一个实现中已经使用了矢量化版本。在它之后评论了一个非向量和有点不雅的实现。练习2：向量化稀疏自动编码器以下文件是本练习的核心： sparseAutoencoderCost.m ：前向和反向传播。请注意，提供了两种实现方法。 test.m ：整个过程。请注意，这一次我们使用另一组图像（和标签），并更改了参数。一些.m文件来读取图像（和标签），请参阅