搜索资源列表
BP神经网络分类器Mat程序
- BP神经网络分类器Mat程序,matlab开发环境,主要用于模式识别中的分类器的设计。-A mat procedure about BP neural network.
bp神经网络源代码
- 基本的bp神经网络源码,可以作为代码模板
BP人工神经网络算法程序
- BP人工神经网络算法程序 公路客运量 公路货运量
BP神经网络的C程序语言实现
- BP神经网络的C程序语言实现,非常实用的一个代码-Neural Network C Programming Language, in a very practical code
BP神经网络
- 一个非常优秀的BP神经网络,可以供大家使用。
BP神经网络
- BP神经网络 带例子BP神经网络 带例子BP神经网络 带例子BP神经网络 带例子BP神经网络 带例子
bp神经网络
- 这是关于bp神经网络的代码,有已经训练好的函数,然后图像都是8*16 的,大家可以用预处理先处理一下
BP 神经网络算法
- BP 神经网络的MATLAB算法,里面包含了自我学习和预测的过程!
BP神经网络实现手写数字识别matlab实现
- 可以实现手写数字识别,值得学习,很好的源代码。(Handwritten digital books can be realized)
Desktop
- 利用matlab编写的BP神经网络的一个例子(This is a matlab program about BP network.)
PSO_BP
- 用粒子群算法PSO优化BP神经网络,改善预测精度(The BP neural network is optimized by particle swarm optimization (PSO) to improve the prediction accuracy)
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中,其中attributes为影响混凝土抗压强度的7个输入变量,strength为混凝土的抗压强度,即输出变量; 将整个数据集中的103个样本随机划分为训练集与测试集,其中训练集包含80个样本,测试集包含23个样本; 将训练集与测试集数据进行归一化; 建立BP神经网络,并训练; 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测; 输出结果并绘图(真实值与预测值对比图)(The concrete_data.mat
新建文件夹
- BP神经网络,可以参考,可以在此基础上进行修改(BP neural network, you can refer to, you can modify on this basis)
GA优化BP神经网络
- 该程序利用遗传算法,优化神经网络结构,是MATLAB源代码。(The neural network structure is optimized by genetic algorithm)
源程序
- bp神经网络的实际案例,特别好的程序送给大家(BP neural network of practical cases, particularly good procedures for everyone)
新建文件夹
- bp神经网络 辨识 学习步长与隐层神经元个数(bp network learning and the number of hide layer neuron ,use to identify the important parameter and training the model)
利用遗传算法优化BP神经网络权值和阈值
- 利用遗传算法优化BP神经网络权值和阈值,内含程序和m文件(Using genetic algorithm to optimize BP neural network weights and thresholds, containing procedures and M files)
chap7
- 通过BP神经网络训练实现分类,将三维的输入转化为固定的二维输出(Through the BP neural network training to achieve classification, the three-dimensional input into a fixed two-dimensional output)
chapter2
- BP神经网络的非线性系统建模的非线性函数拟合(Nonlinear Function Fitting of Nonlinear System Modeling of BP Neural Network)
bpNetWork
- BP神经网络C++实现,异或学习为例。层数及每层节点数可设定。(BP neural network C++ implementation, XOR learning as an example. The number of layers and the number of nodes per layer can be set.)