搜索资源列表
FaceRecognition
- 人脸自动识别技术有着广阔的应用领域，本文提出用主成分分析和BP神经网络进行人脸识别。人脸识别包括两个部分：第一，特征提取；第二，神经网络进行识别-facedetection is developped widely.this paper combining the pca method and the neural network method.
BP2
- BP算法 是为了解决多层前向神经网络的权系数优化而提出来的；所以，BP算法也通常暗示着神经网络的拓扑结构是一种无反馈的多层前向网络。故而．有时也称无反馈多层前向网络为BP模型。-BP natuarl network
BP-classifer
- iris数据集 用于BP神经网络分层(The iris data set is used for BP neural network delamination)
XOR2
- 该程序用BP神经网络解决XOR问题，其中设置了恒定权值、阈值和随机权值、阈值；并且将梯度下降法进行添加记忆一项来改进。(Using BP neural network to solve XOR problem, the program which set up a constant weight and threshold and random weight and threshold value;And the gradient descent method to add a to impro
关于用遗传算法改进BP神经网络的MATLAB实现
- 在MATLAB中用遗传算法改进BP神经网络(Improvement of BP neural network by genetic algorithm in MATLAB)
BP神经网络用于非线性函数拟合
- BP神经网络用于非线性函数的拟合，效果不错，适合初学者。(BP neural network for nonlinear function fitting, the effect is good, suitable for beginners.)
BP神经网络的数据分类-语音特征信号分类
- bp网络用于数据分类，一类语音特征信号的分类，以供参考学习(BP network is used for data classification, and a class of speech feature signals is classified for reference learning)
遗传算法优化BP神经网络用于非线性函数拟合
- 遗传算法优化的bp神经网络用于非线性函数的拟合。(BP neural network optimized by genetic algorithm for nonlinear function fitting.)
案例3
- 遗传算法优化BP神经网络，对非线性函数进行拟合。(The genetic algorithm optimizes the BP neural network to fit the nonlinear function.)
案例2
- BP神经网络的非线性系统建模，对非线性函数进行拟合。(Nonlinear system modeling of BP neural network)
weimo
- 基于发现蚁群算法优化神经网络是利用蚁群算法在解空间寻找出一组最优的权值和阈值，然后将这一组解带回到神经网络进行细致优化，从而得到最好的权值和阈值。(Found that the ant colony algorithm to optimize the neural network based on Ant Colony Algorithm in the solution space to find a set of optimal weights and threshold based on,
bpnn
- 用Python3实现BP神经网络对MNIST数字手写体识别，下载就能用(Using Python3 to implement BP neural network for MNIST digital handwriting recognition, download can be used)
程序
- 针对齿轮箱故障诊断的问题，提出了一种基于BP神经网络和DS 证据理论的不确定性信息融合方法。(In order to realize a stable and effective gearbox fault diagnosis system, an uncertain information fusion method based on BP neural network and modified DS evidence theory is proposed.)
PSO-BP
- 粒子群算法优化BP神经网络，可用于指标预测(BP neural network optimized by Particle swarm optimization (PSO) that can be used for index prediction)
dropout_and_minibatch
- 基于两层BP神经网络，加入dropout和softmax，输出层使用softmax，实现对手写字符库MNIST的识别，正确率达90%。(Based on the two level BP neural network, adding dropout and softmax, the output layer uses softmax to realize the recognition of handwritten character library MNIST, the accuracy ra
人工神经网络与应用21个案例汇总
- 案例程序分析，用于神经网络编程参考；对人工神经初学者编程起指导作用(Case program analysis for neural network programming reference;The guiding role of programming for the beginners of artificial nerve)
股票预测
- 采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。 将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。 网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted. The number of neurons in the i
BP神经网络股票预测
- 在600085这个数据表中，以XZSLX综合作为输入，以收盘价作为输出 以前595个数据作为训练样本，后100个数据作为实际输出。 通过训练数据建立模型，最终输出100个预测的股票收盘价。 将预测的收盘价和实际的收盘价进行对比并求取误差，从而判断所建立模型的准确性。 RBF神经网络调用newff函数实现。(In the data table of 600085, XZSLX synthesis is used as input and closing price as output. The