搜索资源列表
BP_adaboost
- 基于前馈神经网络（BP）的强分类器设计，利用前馈神经网络实现公司财务预警建模。-Based on the feed-forward neural network (BP) strong classifier design, using a feedforward neural network to achieve the company' s financial early warning modeling.
elm_example
- 极限学习机（extreme learning machine）ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2006年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。-Extreme Learning Machine (extreme learn
A-hybrid
- 针对传统的ＢＰ或ＧＡ对模糊神经网络的识别应用存在收敛容易陷入局部极小 识别率低下等问题 提出一 种基于ＢＦＧＳ的混合遗传算法 其基本思想为 首先构造一种前馈型模糊神经网络结构 然后用遗传算法进化若干代 后 当目标函数的梯度或者范数小于预先设定值 则改用ＢＦＧＳ算法进行优化识别 仿真实验表明 对比ＧＡ该算法 收敛速度较快 识别精度提高了约７％ 能够较好地应用于一类模糊神经网络的识别-In traditional BP or GA to identify the application
jixiebi
- 设计一个用于解决两关节机械臂手的反演运动学的前馈网络，要求末端执行器的运动轨道是一条直线中的AB，具体要求如下： （1） 设计合适的网络结构 （2） 按要求给出11个训练数据，用BP算法训练网络使之能满足控制要求 -Sports track design a feedforward network for solving two joint manipulator inverse kinematics of the hand, called for an end of the act
dastebandi
- Design a feedforward network is u dehaze algorithms review path planning using GA and ACO... The neural network adaboost stron TS neural network m files, fast c bp neural network, written with C Bayes net and memory based learni
estekhraj-vijegi
- Design a feedforward network is u dehaze algorithms review path planning using GA and ACO... The neural network adaboost stron TS neural network m files, fast c bp neural network, written with C Bayes net and memory based learni
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
bpwt
- 神经网络算法和小波分解与重构，BP（Back Propagation）网络，是一种按误差逆传播算法训练的多层前馈网络-Neural network algorithm and wavelet decomposition and reconstruction, BP (Propagation Back) network, is a kind of multilayer feedforward network trained by the error back propagation algorit
OS-ELM
- 极限学习机（extreme learning machine）ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2004年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。-ELM extreme learning machine (extreme l
BP_matlab
- 前馈式有导师学习的BP神经网络MATLAB实现源码案例-There feedforward BP neural network MATLAB tutor learn to realize source case
第10章 模糊逼近算法
- RBF网络的学习过程与BP网络的学习过程类似，两者的主要区别在于各使用不同的作用函数。BP网络中隐层使用的是Sigmoid函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF网络中的作用函数是高斯基函数，其值在输入空间中有限范围内为非零值，因为RBF网络是局部逼近的神经网络。(The learning process of RBF networks is similar to the learning process of BP networks. The mai
ELM代码
- 为了评价ELM的性能，试分别将ELM应用于基于近红外光谱的汽油辛烷值测定和鸢尾花种类识别两个问题中,并将其结果与传统前馈网络(BP、RBF、PNN、GRNN等)的性能和运行速度进行比较,并探讨隐含层神经元个数对ELM性能的影响。(n order to evaluate the performance of ELM, test the application of ELM in the near infrared spectroscopy based on the determination of