搜索资源列表
ANN
- 这是介绍神经网络的入门材料，里面包括MATLAB原程序来解决曲线拟合问题和函数的逼近
sine
- 用遗传算法优化神经网络权值 最后实现逼近sin函数曲线-Neural network using genetic algorithm optimization to achieve the right of the value of the final function curve approximation sin
GA4NN1.2
- GENNET是一个通过遗传算法优化权重的16个神经元的全连接神经网络。训练目的是使网络在一定假设的激励下，随时间产生同目标函数同样的响应，即:可以把此网络制作为一个任意波形的信号发生器。 程序分3个示例说明遗传算法进化过程中网络输出的变化趋势。可以看出网络输出（蓝色曲线）随着时间变化逐渐逼近目标函数（红色曲线）。此程序不仅可以学习遗传算法，也可以用于研究全连接网络的直观示例。-GENNET is a genetic algorithm to optimize the weights b
rbfsuanli
- 强非线性的曲线函数逼近，采用MATLAB径向基神经网络-rbf ann fitness
BP2
- visual c++实现BP神经网络，可以绘出误差曲线，逼近曲线-visual c++ to achieve BP neural network, can draw the error curve, approximation curve
2-2-2-4
- 建立一个径向基神经网络，对非线性函数y=sqrt(x)进行逼近，并作出网络的逼近误差曲线-The establishment of a radial basis function neural network to approximate the nonlinear function y = sqrt (x), and make the network approximation error curve
2-5-5-5
- 建立一个自组织神经网络，并作出网络的逼近误差曲线-The establishment of a self-organizing neural networks, and make the network approximation error curve
sjwl
- 建立一个径向神经网络，对非线性函数逼近，作出斌逼近误差曲线-A radial neural networks, nonlinear function approximation, to make Bin approximation error curve
bianshi
- 用BP网络逼近某曲线函数，在神经网络中邮广泛的应用 是系统辨识的基础。 通过反馈来不断的调整系数，限制了最大循环次数 防止进入死循环，当然如果想要得到更精确的系数可以增大循环次数。 -Using BP network function approximation to a curve, mail is widely used in neural network is the basis of system identification. Through feedback t
bpsinx
- 采用bp神经网络对函数y=sin（x）进行训练，然后用测试集对训练的函数进行测试，也就是函数逼近sin（x)的曲线-Bp neural network using the function y = sin (x) for training, and then use the test set to test the training function, that is, function approximation sin (x) curve
BP-neural-network
- 用BP神经网络逼近一个二元的非线性函数，绘制逼近效果及误差曲线-BP neural network to approach a binary nonlinear function approximation effect and draw error curve
001
- BP神经网络的MATLAB仿真 显示学习逼近和学习曲线(BP Artificial Neural Network)