搜索资源列表
SOM_CPP
- 自组织神经网路的训练算法C++实现,先输入训练样本得到网络权值，然后输入测试样本可以实现相关的分类功能-Self-organizing neural network training algorithm C++ realization enter training samples to obtain network weights, and then enter the test sample can be achieved related to the classification funct
mnist-master
- 该库的目标是提供一种易于使用的方法来训练和测试神经网络的MNIST数字（在浏览器或node.js中）。它包括10000个不同的mnist数字样本，通过建立这个以便与Synaptic开箱即用。可以通过MNIST数字加载器自由创建不同示例c的任何数字（从1到60 000）(The goal of the library is to provide an easy-to-use method to train and test the MNIST numbers of the neural netwo
charSamples
- 车牌识别样本库。每个字符库有50个样本，用于测试。用于车牌识别神经网络库的训练样本。(License plate identification sample library. Each character library has 50 samples for testing. Training samples for license plate recognition neural network library.)
bpclass
- 基于bp神经网络，实现神经网络的分类处理的的程序，通过训练样本实现分类(BP neural network based on neural network classification processing procedures, through training samples to achieve classification)
数字识别
- 手写体识别，包括样本，基于传统神经网络编写，使用MATLAB神经网络工具箱(Handwriting Recognition)
201280BP-GA
- 本文以1970-2013年的中国人口统计数据为依据，论证BP网络预测模型的可行性同时给出了利用MATLAB神经网络工具箱设计BP网络的方法和步骤。利用样本数据对网络进行训练，并根据训练后的网络对未来人口数量作出预测。仿真结果表明该方法实际可行并对2014—2017的全国人口数量进行预测。。(Based on the statistics of Chinese population for 1970-2013 years, this paper demonstrates the feasibili
新建 360压缩 ZIP 文件
- 基于BP神经网络去训练样本，达到训练目标。(bp Based on BP neural network, training samples are trained to achieve training objectives.)
梯度
- 神经网络中，基于梯度下降的线性分类器，对样本进行分类(In neural networks, linear classifiers based on gradient descent.)
论文
- 20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
粗糙集
- 采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词: 粗糙集;Elman 神经网络
SparseAutoencoder-master
- 自动编码器是一种数据的压缩算法，其中数据的压缩和解压缩函数是数据相关的、有损的、从样本中自动学习的。在大部分提到自动编码器的场合，压缩和解压缩的函数是通过神经网络实现的。(An autoencoder, autoassociator or Diabolo network is an artificial neural network used for unsupervised learning of efficient codings. The aim of an autoencoder is
is_pos_answer_intents_classifies
- 判断一句话是否定句还是肯定句，基于神经网络（pybrain）分类肯定句与否定句，开放了训练代码和样本数据，供读者自行修改样本进行训练(Is a sentence positive or negative?)
第一次作业_基于分类算法的雷达状态识别
- 第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别，数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响；数据降维后使用神经网络算法最优，支持向量机算法其次，朴素贝叶斯算法较差。此外，训练样本越多，分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms For radar state recognition
股票预测
- 采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。 将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。 网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted. The number of neurons in the i
ELM_PSO-master
- 为了提升配网供电可靠性的预测精度!提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠 性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基 础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型 的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算 法与 ! 种回归拟合算法对比!验证了该方法的有效性(It i
图像扭曲变换
- 图像扭曲变换，用于深度神经网络训练时样本扩增