搜索资源列表
BP
- BP神经网络的数据分类-语音特征信号分类 4类数据data1、data2、data3、data4。 通过自编BP网络进行信号识别。 同时加以改进，附加栋梁和边学习率学习算法。-The BP neural network of data classification-voice characteristic signal classification Four kinds of data, data2, data3 data1, data4. Through the editi
Bp_network
- 采用C语言编写的BP神经网络算法 自己设定误差率和学习率-BP neural network algorithm using C language Set error rate and learning rate
ganzhiqi
- 单层感知器分类和权值调整过程，学习率分别为0.01 0.05 0.1 0.5-Single layer perceptron device classification and weights to adjust the process
Untitled
- 手写体数字辨别,样本数据与训练数据均来自UCI 机器学习数据库网站：http://archive.ics.uci.edu/ml/datasets.html 采用BP多学习率算法-BP algorithm of neuro network
w-h
- 利用W-H规则进行网络训练时应该选取小学习率使其收敛，大的学习率会使网络发散-WH rules for network training, it should select small learning rate convergence, the learning rate will make the network divergence
enhanced-BP
- bp神经网络改进算法加入局部学习率自适应调整机制程序用于拟合函数-bp Neural Network Algorithm local learning rate adaptive adjustment mechanism procedure for fitting function
BP
- BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出
BP-neural-networks-algorithm
- 本程序为一个误差向后传播的三层前馈神经网络有指导的学习算法:Gauss变异动态调整BP算法中学习率参数和冲量系数-This program is a three-layer error back propagation feedforward neural networks supervised learning algorithm: the Gauss variation dynamically adjusts the learning rate in BP algorithm paramet
CODpredict
- 有附加动量项和可变学习率的BP神经网络建模和预测！-Additional momentum term and variable learning rate BP neural network modeling and prediction!
backprop
- BP神经网络算法实现 批量处理的BP算法，隐层数为1 Z为特征向量组成的矩阵，n*m维，一行为一个样本 labZ为数据的类别，n*1维，每行对应样本的类别 M为隐层节点个数，T为迭代次数上限， epsilon为用于判断收敛的误差值，eta为学习率 W1为输入到隐层的权重，M*m维，B1为偏差，也就是乘以1的那个权重，M*1维 W2为隐层到输出的权重，c*M维，B2意义同B1，c*1维 estored为MLP的均方误差，每行是一次的误差
myBP
- 简单的BP神经网络算法，采用正向传播和方向误差调整的方法，增加学习率使得网络收敛。-Simple BP neural network algorithm, using the forward direction of propagation and error adjustment method to increase the learning rate makes the network convergence.
steepest_lin_ex
- 沿直线最小化优化学习率的梯度下降法matlab版本的一个实例源代码，带轨迹收敛图。-a source code of steepest descent with learning rate to minimize along the line by matlab
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
MLPNN
- bp神经网络，在线训练，函数逼近,可以研究学习率，神经元个数，采样频率对网络精度的影响-BP neural network, online training, function approximation
ILC_PID_paratemer
- ILC算法中PID学习率中PID参数的选择优化程序-Select the PID algorithm optimization program ILC learning rate in PID parameters
function-dyb
- 用Matlab编程，实现解决该问题的单样本训练BP网络，设置一个停止迭代的误差Emin和最大迭代次数。在调试过程中，通过不断调整隐层节点数，学习率η，找到收敛速度快且误差小的一组参数。产生均匀分布在区间[-4，4]的测试样本，输入建立的模型得到输出，与Hermit多项式的期望输出进行比较计算总误差（运行5次，取平均值）-Using Matlab programming, to solve the problem of single sample training BP network, set
ZSYFLJS
- 基于自适应学习率独立分量分析的图像盲分离-Blind adaptive learning rate based on independent component analysis separated
bpann
- 严格按照BP网络计算公式来设计的一个matlab程序,对BP网络进行了优化设计 优化1：设计了yyy，即在o(k)计算公式时，当网络进入平坦区时(<0.0001)学习率加大， 出来后学习率又还原 优化2：v(i,j)=v(i,j)+deltv(i,j)+a*dv(i,j) -A Matlab procedures in strict accordance with the BP network computing formula to design, the optimizati
BP
- BP神经网络的语音特征信号分类算法，采用归一化算法及变学习率学习算法-BP neural network speech characteristic signal classification algorithm, using a normalization algorithm and the learning algorithm learning rate change
gaijinBPdaima
- BP神经网络，采用差异化学习率，进行自适应调节网络权值与阈值-BP u799E u7ECE u7EF1 u7EDR uFF0C u91C7 u758 u5DEE u5F02 u5316 u5B66 u4E60 u7387 uFF0C u8FDB u884C u81EA u9002 u5E94 u8C03 u8283 u7F51 u7EDC u6743 U503C u4E0E u9608 u503C