资源列表
Untitled 14 BP NN
- 用bp神经网络对故障信号进行分类，通过训练和测试数据，来验证结果(Using bp neural network to classify fault signals and verify results by training and testing data)
Untitled0000000
- 通过pso优化rbf神经网络来提高信号的预测效果，以达到比单独使用rbf神经网络更好的预测效果(Optimize rbf neural network through pso to improve signal prediction performance to achieve better prediction effect than using rbf neural network alone)
6冷链物流配送路径优化
- 为了验证上述模型的合理性和实用价值，为冷链物流车辆配送路径优化提出可行性的方法，本文依托厦门某具体从事生鲜产品生产及配送的A企业所提供的数据，结合文章所提出的优化思路，通过matlab等软件实现计算机建模并进行模型求解，最后对该生鲜企业的配送流程设计提出建设性意见。(In order to verify the rationality of the model and practical value, for the cold chain logistics distribution route
CNN_matlab
- 卷积神经网络（CNN）是一种深度学习方法，它可以对图像进行识别和特征分类等优点。(The convolution neural network (CNN) is a deep learning method which can identify and characterize the image.)
CNN-matlab
- 卷积神经网络在matlab中的应用，可自行修改学习率和循环次数(Convolutional Neural Network in Matlab)
cnn图像分类
- 基于Tensorflow下的cnn卷积神经网络实现图像的分类(Image classification CNN convolutional neural network based on Tensorflow)
RBF_NN_MIC
- 多输入单输出的RBF神经网络代码，matlab编写，有注释(RBF neural network code with multiple input and single output)
sentiwordnet
- python3.6下英文文本预处理和情感分析(English text preprocessing and emotional analysis under python3.6)
花书
- 深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。因为计算机能够从经验中获取知识，所以不需要人类来形式化地定义计算机需要的所有知识。层次概念允许计算机通过构造简单的概念来学习复杂的概念，而这些分层的图结构将具有很深的层次。本书会介绍深度学习领域的许多主题。(Deep learning is a branch of machine learning. It enables computers to learn experience and understand the
Test_LSTM
- 利用C++语言实现了长短时记忆网络，复杂性较高。(Using C++ language to achieve long and short time memory network, the complexity is relatively high.)
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
LBP-DBN人脸识别matlab代码
- 深度学习的识别算法，经lbp优化后，效率很高(The recognition algorithm of deep learning is highly efficient after being optimized by LBP.)