资源列表
keras-master
- 最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written
perceptron_fit
- 用感知器，RBF，BP，SVM等进行函数拟合 -Using the perceptron, RBF, BP, SVM to ｆｉｔ ｆｕｎｃｔｉｏｎ
bp_fit
- bp反向传播算法，人工神经网络，用于函数拟合-Using the BP algorithm to fit function
RBF
- 使用RBF（径向基函数）神经网络进行函数拟合-Function fitting using RBF (radial basis function) neural network
SVM
- 使用SVM（支持向量机）进行函数拟合，神经网络-Using SVM (support vector machine) for function fitting, neural network
SVM_classifier
- 使用SVM（支持向量机）进行函数分类，神经网络-Using SVM (support vector machine) for function classification, neural network
Multi---objective-PSO
- 基于粒子群算法的多目标优化算法，结构简单，优化效果显著，用于多目标同时优化-Multi-objective particle swarm optimization algorithm, simple structure, optimize the effect is significant, for multi-objective optimization simultaneously
etic-algorithm
- 基于bp神经网络，采用遗传算法优化，运用matlab完成识别分类的工作，自带实例-Using genetic algorithm to optimize BP neural network, with examples
svm
- svm的matlab实现，里面有实例，可以运行-Matlab SVM implementation, which has an example, you can run
333
- 算法流程：原始数据提取-模糊信息粒化-粒化后的原始数据-利用SVM对粒化数据进行回归预测-给出上证指数变化趋势和变化空间-验证预测结果-Algorithmic flow: Raw data extraction- Fuzzy information granulation- Granulated raw data- Regression prediction of granulated data using SVM- Change trend and change space of the Sh
444
- 算法流程：选定训练集和测试集-数据预处理-交叉验证选择最佳参数-分类准确率-预测-利用最佳参数训练SVM-Algorithm flow: selected training set and test set- data preprocessing- cross-validation selection of the best parameters- classification accuracy- prediction- training SVM using the best parameter
555
- 利用SVM算法进行单层竞争神经网络的数据分类患者癌症发病预测-Prediction of Cancer Incidence in Patients with Single- Level Competitive Neural Network Classification Using SVM Algorithm