java實現dbn演算法（DBM演算法）

本文目錄一覽：

• 1、deep dream演算法怎樣玩
• 2、java裡面planel怎麼設背景
• 3、各種編程語言的深度學習庫整理大全！
• 4、Java string 例如把 asdbn 截成sdbn 的string方法
• 5、java同時訪問多個sql server2000資料庫
• 6、請大佬幫助我寫一下這個java程序！！

deep dream演算法怎樣玩

SVM方面，首選的肯定是libsvm這個庫，應該是應用最廣的機器學習庫了。

下面主要推薦一些DeepLearning的GitHub項目吧！

1. convnetjs – star:2200+

實現了卷積神經網路，可以用來做分類，回歸，強化學習等。

2. DeepLearn Toolbox – star:1000+

Matlab實現中最熱的庫存，包括了cnn,DBN,sae,cae等主流模型。

3. Deep Learning(yusugomo) – star:800+

實現了深度學習網路，從演算法與實現上都比較全，提供了5種語言的實現：Python,C/C++,Java,Scala，實現的模型有DBN/CDBN/RBM/CRBM/dA/SdA/lr等。

4. Neural-Networks-And-Deep-Learning – star:500+

這是同名書的配套代碼，語言是Python。

5. rbm-mnist – Star:200+

這個是hinton matlab代碼的C++改寫版，還實現了Rasmussen的共軛梯度Conjugate Gradient演算法。

java裡面planel怎麼設背景

你用JPanel就可以setbackground了沒必要用舊的panel的

public class LoginMain1 extends JFrame implements ActionListener{

    static JTextField DBN;

    static JTextField UN;

    static JTextField Pwd;

    static JButton    btn1;

    static JButton    btn2;

    static JButton    btn3;

    static String dbn;

    static String un;

    static String pwd;

    public static LoginMain1 f = null;//實例化

LoginMain1(String sTitle){

        super(sTitle);

        initComponents();

        pack();

        setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);

    }

    private void initComponents(){

        JPanel JPanel1=new JPanel();

        JPanel1.setLayout(new FlowLayout(FlowLayout.CENTER));

        JPanel1.add(new JLabel(“登錄資料庫”));

        JPanel1.setOpaque(false);

        JPanel1.setBackground(Color.WHITE);  //設計顏色好看點的

        JPanel JPanel2=new JPanel();

        JPanel2.setLayout(new GridLayout(1,4,15,15));

        btn1=new JButton(“確定”);

        btn2=new JButton(“取消”);

        btn3=new JButton(“退出”);

        btn1.addActionListener(this);

        btn2.addActionListener(this);

        btn3.addActionListener(this);

        JPanel2.add(btn1);

        JPanel2.add(btn2);

        JPanel2.add(btn3);

        JPanel JPanel4=new JPanel();

        JPanel4.setBackground(Color.WHITE);  //設計顏色好看點的

        JPanel4.setLayout(new GridLayout(4,2,15,15));

        JPanel4.add(new JLabel(”        資料庫名：  “));

        DBN=new JTextField(“”,9);

        JPanel4.add(DBN);

        JPanel4.add(new JLabel(”       資料庫用戶：  “));

        UN=new JTextField(“”,9);

        JPanel4.add(UN);

        JPanel4.add(new JLabel(”       資料庫密碼：  “));

        Pwd=new JTextField(“”,9);

        JPanel4.add(Pwd);

        JPanel JPanel5=new JPanel();

        JPanel5.setBackground(Color.WHITE);  //設計顏色好看點的

        JPanel5.setLayout(new FlowLayout(FlowLayout.LEFT,30,5));

        JPanel5.add(JPanel4);

        JPanel JPanel7=new JPanel();

        JPanel7.setLayout(new BorderLayout());

        JPanel7.add(JPanel1,”North”);

        JPanel7.add(JPanel5,”South”);

        JPanel JPanel8=new JPanel();

        JPanel8.setLayout(new BorderLayout());

        JPanel8.add(JPanel7,”West”);

        JPanel8.add(JPanel2,”South”);

        setContentPane(JPanel8);

    }

public void actionPerformed(ActionEvent e){

        dbn=DBN.getText();

        un=UN.getText();

        pwd=Pwd.getText();

        if(e.getSource() == btn1){        

            shujuku f1=new shujuku(dbn,un,pwd,this.f);

        }

        else if(e.getSource() == btn2){

            DBN.setText(“”);

            UN.setText(“”);

            Pwd.setText(“”);

        }

        else if(e.getSource() == btn3){

            System.exit(0);

        }

    }

    public static void main(String args[]){ 

       f=new LoginMain1(“家庭理財管理信息系統”);

        f.setVisible(true);

    }

}

改好了我要50分

各種編程語言的深度學習庫整理大全！

各種編程語言的深度學習庫整理大全！

Python1. Theano是一個python類庫，用數組向量來定義和計算數學表達式。它使得在Python環境下編寫深度學習演算法變得簡單。在它基礎之上還搭建了許多類庫。

1.Keras是一個簡潔、高度模塊化的神經網路庫，它的設計參考了Torch，用Python語言編寫，支持調用GPU和CPU優化後的Theano運算。

2.Pylearn2是一個集成大量深度學習常見模型和訓練演算法的庫，如隨機梯度下降等。它的功能庫都是基於Theano之上。

3.Lasagne是一個搭建和訓練神經網路的輕量級封裝庫，基於Theano。它遵循簡潔化、透明化、模塊化、實用化和專一化的原則。

4.Blocks也是一個基於Theano的幫助搭建神經網路的框架。

2. Caffe是深度學習的框架，它注重於代碼的表達形式、運算速度以及模塊化程度。它是由伯克利視覺和學習中心（Berkeley Vision and Learning Center, BVLC）以及社區成員共同開發。谷歌的DeepDream項目就是基於Caffe框架完成。這個框架是使用BSD許可證的C++庫，並提供了Python調用介面。

3. nolearn囊括了大量的現有神經網路函數庫的封裝和抽象介面、大名鼎鼎的Lasagne以及一些機器學習的常用模塊。

4. Genism也是一個用Python編寫的深度學習小工具，採用高效的演算法來處理大規模文本數據。

5. Chainer在深度學習的理論演算法和實際應用之間架起一座橋樑。它的特點是強大、靈活、直觀，被認為是深度學習的靈活框架。

6. deepnet是基於GPU的深度學習演算法函數庫，使用Python語言開發，實現了前饋神經網路（FNN）、受限玻爾茲曼機（RBM）、深度信念網路（DBN）、自編碼器（AE）、深度玻爾茲曼機（DBM）和卷積神經網路（CNN）等演算法。

7. Hebel也是深度學習和神經網路的一個Python庫，它通過pyCUDA控制支持CUDA的GPU加速。它實現了最重要的幾類神經網路模型，提供了多種激活函數和模型訓練方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。

8. CXXNET是一個基於MShadow開發的快速、簡潔的分散式深度學習框架。它是一個輕量級、易擴展的C++/CUDA神經網路工具箱，提供友好的Python/Matlab介面來進行訓練和預測。

9. DeepPy是基於NumPy的深度學習框架。

10. DeepLearning是一個用C++和Python共同開發的深度學習函數庫。

11. Neon是Nervana System 的深度學習框架，使用Python開發。

Matlab

1. ConvNet 卷積神經網路是一類深度學習分類演算法，它可以從原始數據中自主學習有用的特徵，通過調節權重值來實現。

2. DeepLearnToolBox是用於深度學習的Matlab/Octave工具箱，它包含深度信念網路（DBN）、棧式自編碼器（stacked AE）、卷積神經網路（CNN）等演算法。

3. cuda-convet是一套卷積神經網路（CNN）代碼，也適用於前饋神經網路，使用C++/CUDA進行運算。它能對任意深度的多層神經網路建模。只要是有向無環圖的網路結構都可以。訓練過程採用反向傳播演算法（BP演算法）。

4. MatConvNet是一個面向計算機視覺應用的卷積神經網路（CNN）Matlab工具箱。它簡單高效，能夠運行和學習最先進的機器學習演算法。

CPP

1. eblearn是開源的機器學習C++封裝庫，由Yann LeCun主導的紐約大學機器學習實驗室開發。它用基於能量的模型實現卷積神經網路，並提供可視化交互界面（GUI）、示例以及示範教程。

2. SINGA是Apache軟體基金會支持的一個項目，它的設計目標是在現有系統上提供通用的分散式模型訓練演算法。

3. NVIDIA DIGITS是用於開發、訓練和可視化深度神經網路的一套新系統。它把深度學習的強大功能用瀏覽器界面呈現出來，使得數據科學家和研究員可以實時地可視化神經網路行為，快速地設計出最適合數據的深度神經網路。

4. Intel? Deep Learning Framework提供了Intel?平台加速深度卷積神經網路的一個統一平台。

Java

1. N-Dimensional Arrays for Java (ND4J) 是JVM平台的科學計算函數庫。它主要用於產品中，也就是說函數的設計需求是運算速度快、存儲空間最省。

2. Deeplearning4j 是第一款商業級別的開源分散式深度學習類庫，用Java和Scala編寫。它的設計目的是為了在商業環境下使用，而不是作為一款研究工具。

3. Encog是一個機器學習的高級框架，涵蓋支持向量機、人工神經網路、遺傳編程、貝葉斯網路、隱馬可夫模型等，也支持遺傳演算法。

JavaScript

1. Convnet.js 由JavaScript編寫，是一個完全在瀏覽器內完成訓練深度學習模型（主要是神經網路）的封裝庫。不需要其它軟體，不需要編譯器，不需要安裝包，不需要GPU，甚至不費吹灰之力。

Lua

1. Torch是一款廣泛適用於各種機器學習演算法的科學計算框架。它使用容易，用快速的腳本語言LuaJit開發，底層是C/CUDA實現。Torch基於Lua編程語言。

Julia

1. Mocha是Julia的深度學習框架，受C++框架Caffe的啟發。Mocha中通用隨機梯度求解程序和通用模塊的高效實現，可以用來訓練深度/淺層（卷積）神經網路，可以通過（棧式）自編碼器配合非監督式預訓練（可選）完成。它的優勢特性包括模塊化結構、提供上層介面，可能還有速度、兼容性等更多特性。

Lisp

1. Lush(Lisp Universal Shell)是一種面向對象的編程語言，面向對大規模數值和圖形應用感興趣的廣大研究員、實驗員和工程師們。它擁有機器學習的函數庫，其中包含豐富的深度學習庫。

Haskell

1. DNNGraph是Haskell用於深度神經網路模型生成的領域特定語言（DSL）。

.NET

1. Accord.NET 是完全用C#編寫的.NET機器學習框架，包括音頻和圖像處理的類庫。它是產品級的完整框架，用於計算機視覺、計算機音頻、信號處理和統計應用領域。

R

1. darch包可以用來生成多層神經網路（深度結構）。訓練的方法包括了對比散度的預訓練和眾所周知的訓練演算法（如反向傳播法或共軛梯度法）的細調。

2. deepnet實現了許多深度學習框架和神經網路演算法，包括反向傳播(BP)、受限玻爾茲曼機(RBM)、深度信念網路(DBP)、深度自編碼器(Deep autoencoder)等等。

Java string 例如把 asdbn 截成sdbn 的string方法

String sub = “s”;//要去掉的字元串

int index = “asdbn”.indexOf(sub);//查找位置

return “asdbn”.substring(0,index) + “asdbn”.substring(index + 1);

————————-以上是最笨的方法

可以正則表達式

java同時訪問多個sql server2000資料庫

建立多個連接就行了:

public class DBUtil{

//這個記不清楚

private static final String dbUrl = “jdbc:mssql://localhost:xxx/”;

//資料庫名稱

private static final String dbNames [] = new String [] {“db1″,”dbn”};

//連接各個資料庫需要的用戶名

private static final String usernames [] = new String [] {“db1 username”,”dbn …”};

//密碼

private static final String passwords [] = new String [] {“db1 password”,”dbn …”};

//連接資料庫需要的JDBC類，如果你是用的同一種資料庫

private static final String jdbc= “com.microsoft…..”;

public synchronized static Connection getConnection(int db) {

Connection con = null;

if(db 0 db dbName.length) {

try {

Class.forName(jdbc);

con = DriverManager.getConnection(dbUrl + dbNames[db],usernames[db],password[db];

} catch (ClassNotFoundException x) {

System.out.println(x.getMessage());

} catch (SQLException x) {

System.out.println(x.getMessage());

}

}

return con;

}

}

如果要動態的獲取資料庫連接，可以直接把資料庫的名稱和密碼直接傳進來也行。

請大佬幫助我寫一下這個java程序！！

按照題目要求編寫的複數類的Java程序如下

public class Complex{

 private float rp;

 private float ip;

 public Complex(float r ,float i){

  rp = r;

  ip = i;

 }

 public Complex() {

  rp = 0;

  ip = 0;

 }

 public Complex add(Complex c1 , Complex c2){

  rp = c1.rp + c2.rp;

  ip = c1.ip + c2.ip;

  return this;

 }

 public Complex subtract( Complex c1,Complex c2){

  rp = c1.rp – c2.rp;

  ip = c1.ip – c2.ip;

  return this;

 }

 public Complex multiply(Complex c1, Complex c2){

  rp = c1.rp*c2.rp – c1.ip*c2.ip;

  ip = c1.rp*c2.ip + c1.ip*c2.rp;

  return this;

 }

 public void printComplex(){

  System.out.println(“(“+this.rp+”,”+this.ip+”)”);

 }

}