搜索资源列表
-
7下载：
1. 采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）。(. using BP neural network to design the classifier for male and female students. The features in
-
-
1下载：
BP神经网络算法，贝叶斯-最小距离分类器，可以用于模式识别。(BP neural network algorithm, Bayesian minimum distance classifier, can be used for pattern recognition)
-
-
0下载：
模式识别分类器，利用Fisher判别对数据进行分类以及BP神经网络的方法进行分类(Pattern recognition classifier, the use of Fisher discriminant classification of data and BP neural network method for classification)
-
-
0下载：
这是bp神经网络的M文件，包括BP网络的第一阶段学习期（训练加权系数wki，wij)，BP网络的第二阶段工作期（根据局训练好的wki，wij和给定的输入计算输出），程序里有详细注释。该程序被用来作为分类器使用。(This is the BP neural network M files, including the first phase of BP network learning period (training weighting coefficient wki, wij), the se
-
-
2下载：
本示例展示了怎样从一个预处理的卷积神经网络中提取特征，并用这些特征去训练一个图像分类器。(This example shows how to extract learned features from a pretrained convolutional neural network, and use those features to train an image classifier. Feature extraction is the easiest and fastest way use
-
-
0下载：
概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
-
-
2下载：
一个遗传算法优化神经网络的分类器，可用于模式识别。(A genetic algorithm optimizes the classifier of neural network, which can be used for pattern recognition.)
-
-
2下载：
深度信念网络，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。(Deep belief network, a kind of neural network. It can be used for unsupervised learning, similar to a self-coding machine, or supervised learning, as a classifier.)
-
-
2下载：
采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为6。(BP neural network is used to design the classifier for boys and girls. The features used include height, weight, whether you like mathematics, whether you like literature,
-
-
3下载：
卷积神经网络（CNN）用来提取特征，采用SVM分类器进行训练和分类(Convolutional Neural Network (CNN) was used to extract features, and SVM classifier was used for training and classification)
-
