Supervised learning: Logistic Regression、Multilayer perceptron 、 Deep Convolutional Network and Long Short-term Memory. Unsupervised learning: Auto Encoders、Denoising Autoencoders、Stacked Denoising Auto-Encoders、Restricted Boltzmann Machines、Deep Belief Networks.

使用Mnist数据集

数据集描述：

每张图是28 * 28的大小，在训练集中一共60000个样本，在测试集中一共是10000个样本，一共是10类手写数字。 其中在pytroch框架中torchvision.datasets中封装了Mnist数据集，可使用pytorch中的DataLoader来读取随机读取、显示和处理数据集。

为了更直观的理解数据集，利用matplotlib随机显示了16个训练集中的手写数字以及其对应标签，如下图：

Logistic Regression | 逻辑回归 | README

MLP | 多层感知机 | [README]

LeNet | 经典卷积神经网络之一 | [README]

LSTM | 长短期记忆网络 | [README]

Auto_Encoder | 自动编码器 | [README]

Denoising_Autoencoder | 降噪自动编码器 | [README]

Stacked_Denoising_Auto-Encoders | 堆叠降噪自动编码器 | [README]

Restricted_Boltzmann_Machines | 受限玻尔兹曼机 | [README]

Deep_Belief_Networks | 深度置信网络 | [README]

https://github.com/Cathy-t/basic_AI_algorithm/blob/master/git_upload.pdf