搜索资源列表
nn4
- 神经网络得到了广泛的应用,这是一个可供学习的简单例程
NNPIDyingyong
- 神经网络PID在协调控制系统中的应用,介绍神经网络PId的应用,对学习神经网络控制的同学有帮助
dongtaiNN_jiance
- 用动态神经网络解决粘度预测的方法,文章介绍了一种用神经网络检测粘度的新方法 适合于学习神经网络的同学开阔眼界用
bp
- 利用神经网络的原理来做作战效能评估,可以很好的学习神经网络的原理和应用
RBFnn
- RBF神经网络的混合学习法,RBF现在越来越受到大家的青睐
matlabandBP
- BP实现神经网络的程序,学习曲线较好,次数少
BPNet
- 人工神经网络BP算法 1、动态改变学习速率 2、加入动量项 3、运用了Matcom4.5的矩阵运算库(可免费下载,头文件matlib.h), 方便矩阵运算,当然,也可自己写矩阵类 4、可暂停运算 5、可将网络以文件的形式保存、恢复
somnet
- 一种通过自组织竞争学习网络实现数据降维和可视化的单层神经网络模型。用此算法可以把输入空间的多维映射到低维的(一维或者二维)的离散网络上,并将保持相同性质的输入数据在映射到低维空间时的拓扑一致性。iris以及letter两个数据集进行分类
kmean
- 基于k均值聚类学习算法的rbf神经网络实现
plate_BPTrain
- 针对车牌识别的字符bp神经网络训练,稍加改造即可用于ocr及其它字符识别场合 将字符切分为32*16大小bmp,放入相应文件夹,训练时选择该文件夹即可完成相应字符训练 仅供学习使用,勿商业应用,本人保留所有版权。
LVQalgorithmprogram
- 神经网络中学习矢量量化模型算法的源程序,属于有导师学习!
SOM
- 神经网络中自组织特征映射模型算法的源程序,属于无导师学习!
hopfield
- 基于Hopfield神经网络解决旅行商问题,学习模式识别的朋友可以参考
sjwlANDycxu
- 神经网络与遗传算法结合,需要的朋友就不用多说了,仅供学习和参考。
numberreconization
- 数字识别的源代码。基于神经网络,可以学习提高识别率
停车诱导系统中车位预测模型的研究
- 停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型, 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络, 优化了学习速率, 减少了训练过程的震荡趋势, 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后, 进行了多种方法比对实验
myBP_old
- 我的人工神经网络作业,包括BP网络的学习,训练和回想,初学人工神经网络的可以
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析,并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法,隐含层到输出层通过“模2递减”学习速率的BP学习;蚁群算法根据信息素的分配能够自动调整收索 路径,从而达到数据自动聚类的目的。结果表明,与蚁群算法相比,改进RBFN具有快速收敛、自动识别奇异样本的优点,而蚁群算法 无须教师学习,并能够达到全局最优。
changyongsuanfa
- 是各种常用算法的集合,又递归、神经网络、遗传、枚举、排序、圆周率求解等等。是学习的好材料。
afs1
- 人工鱼群算法(AFSA)是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略,该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习,形成了人工鱼群神经网络模型,通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较,验证了人工鱼群 神经网络在全局寻优能力上的优势,进而利用人工鱼群神经网络进行电力系统短期 负荷预测,建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性,以 及求得全局最优值的能力,文中