卷积神经网络CNN代码解析 deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoE ncod

　　深度学习的具体模型及方法 1、自动编码器（AutoEncoder ） 2、稀疏自动编码器(Sparse AutoEncoder) 3、限制波尔兹曼机（Restricted Boltzmann Mach

　　A Matlab toolbox for Deep Learning Matlab/Octave toolbox for deep learning. Includes Deep Belief Net

　　深度学习的基本理论与方法 深度学习：一种基于无监督特征学习和特征层次结构的学习方法 可能的的名称： 1.深度学习 2.特征学习 3.无监督特征学习 2006年，加拿大多伦多大学教授、机器学习领域的泰斗

　　主要功能：在mnist数据库上做实验，验证工具箱的有效性 算法流程：1）载入训练样本和测试样本  2）设置CNN参数，并进行训练  3）进行检测cnntest() 注意事项：1）由于直接将所有测试样本

　　函数名称：cnnsetup  输入参数：net，待设置的卷积神经网络；x，训练样本；y，训练样本对应标签；  输出参数：net，初始化完成的卷积神经网络  主要功能：对CNN的结构进行初始化 算法流程

　　%%========================================================================= %函数名称：cnntrain（） %输入参数：n

　　函数名称：cnnff（） 输入参数：net，神经网络；x，训练数据矩阵； 输出参数：net，训练完成的卷积神经网络 主要功能：使用当前的神经网络对输入的向量进行预测 算法流程：1）将样本打乱，随机选择

　　函数名称：cnnbp（） 输入参数：net，呆训练的神经网络；y，训练样本的标签，即期望输出 输出参数：net，经过BP算法训练得到的神经网络 主要功能：通过BP算法训练神经网络参数 实现步骤：1）将

　　函数名称：cnnapplygrads（），权值更新函数 输入参数：net，权值待更新的卷积神经网络；opts，神经网络训练的相关参数 输出参数： 算法流程：先更新卷积层的参数，再更新全连接层参数 注意

　　最近研究了几天深度学习的Matlab工具箱代码，发现作者给出的源码中注释实在是少得可怜，为了方便大家阅读，特对代码进行了注释，与大家分享。 　　在阅读Matlab工具箱代码之前，建议大家阅读几篇CNN

　　There are many deep learning resources freely available online,but it can be confusing knowing where

　　缠论      缠论是一种择时类的技术理论，借助数学中的形态分类方法和物理中的动力学理论来解释市场走势。以市场走势中的 K 线图为基础，通过包含关系处理后，分辨出走势图中的分型（顶分型和底分型），根据

　　Deep Learning Tutorials-深度学习笔记及代码，介绍最基础的逻辑回归、多层感知器、自动编码器、CNNs、LSTM等深度学习算法。

　　一． 缠论理论体系梳理及精髓解读 1.1 K线包含处理目的：清洗K线数据，识别顶底分型 相邻两K线可能出现包含关系（ 注： K线包含影线，且不分阴阳线）       1.2 分型：对局部高低点的识别（