搜索资源列表
kongming
- 神经网络训练根据Kolmogorov定理,输入层有14个节点,所以中间层有29个节点 %中间层神经元的传递函数为 tansig %输出层有8个节点,其神经元传递函数为logsig %训练函数采用traingdx-neural network training under the Kolmogorov theorem, input layer has 14 nodes, Therefore, the intermediate layer has 29% of nodes middle
BPnetwork
- 该程序是用C语言写的采用了动量方法的BP神经网络,它具有极其强大的扩展性,可用于函数的逼近及分类识别等各方面,语言书写规范,其中大量使用了动态分配一、二维数组的方法,该网络实例中实现的是对某一函数的逼近,输入层为二层,中间层可自己设定多达十几层,逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。
chengxu
- 神经网络算法,单层输入,中间层10个神经元,一个输出神经元拟合sinx
shuanfa2
- 求图的任两结点间的距离,(2) 用二维数组存放C和A ,C是原成本矩阵,A 是求出的距离矩阵 (3) 算法采用三重循环,其中最外层的循环变量必须代表中间结点,中层的循环变量代表头结点而内层循环变量代表尾结点。 (4) 试着把三层循环变量的顺序作些改变,最外层的循环变量仍代表中间结点,而中层循环变量代表尾结点,内层循环变量代表头结点。把两种做法所得结果作比较,看结果是否相同 (5) 显示结果要清晰易懂 (6) 本题运行结果 -Order to map any of the di
BPlusTree
- B+树实现的完全代码。B+树定义文件,本程序实行一个简单的B+树 (1) 一个v阶的B+树由根结点、内部结点和叶子结点组成。 (2) 根结点可以是叶子结点,也可以是有两个或更多子树的内部结点。 (3) 每个内部结点包含v - 2v个键。如果一个内部结点包含k个键,则有且只有k+1个指向子树的指针。 (4) 叶子结点总是在树的同一层上。 (5) 如果叶子结点是主索引,它包含一组按键值排序的记录;如果叶子结点是从索引,它包含一组短记录,每个短记录包含一个键以及指向实际记录的
few3Dpdf
- 其意见书是根据亚历山大Gramfort的“MATLAB的网状到PDF与三维交互对象“。他的计划将允许网数字转换成3D PDF格式。然而,他的代码只允许一个层进行转换,并不会启用的透明度。 本意见书不创建最终的PDF。它产生的U3D文件,然后可以使用到PDF的Adobe Acrobat Pro文件插入。本文件还允许多层网格,以创建,并为每个层的透明度指定。 此代码包含一个函数(installGoogleArchive.m),它会自动下载并安装所需的中间数据格式转换(IDTF)进
few3Dpdf
- 这是根据提交的亚历山大Gramfort的“MATLAB的网状到PDF与三维交互对象“。他的计划将允许网数字转换成3D PDF格式。然而,他的代码只允许一个层进行转换,并不会启用的透明度。 本意见书不创建最终的PDF。它产生的U3D文件,然后可以使用到PDF的Adobe Acrobat Pro文件插入。本文件还允许多层网格,以创建,并为每个层的透明度指定。 此代码包含一个函数(installGoogleArchive.m),它会自动下载并安装所需的中间数据格式转换(IDTF)进
xiaobo
- 建立小波神经网络负荷预测模型,并对小波神经网络的节点(输入层、中间层、输出层)进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of wavelet neural network load forecasting model, and wavelet neural network nodes (input layer, middle layer, output layer) to select and choose the appro
BP
- 建立BP神经网络负荷预测模型,并对BP神经网络的节点(输入层、中间层、输出层)进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of BP neural network load forecasting model, and the BP neural network nodes (input layer, middle layer, output layer) to select and choose the appropriate
Gravity_external_correction
- 重力外部校正。高度校正可以消除由于测点和基点存在高度差而存在的异常;纬度校正则是消除由于测点和基点纬度不同而存在的异常;中间层校正消除的是测点和基点间一定厚度的物质层(中间层)造成的异常;地形校正可以消除测点周围起伏的地形对观测值的影响。-gravity external correction
BPNN
- 是BP神经网络程序:BP神经网络模型是一个多层感知机构,是由输入层、中间层(隐层)和输出层构成的前馈网络,只含有一个中间层的BP神经网络模型。-BP neural network program:BP neural network model is a multi-layer perceptron institutions, is the input layer, middle layer (hidden layer) and output layer feedforward network,
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
develop_elman
- 改进elman神经网络,精度高,中间层反馈效果好,实现故障识别-elman ANN solving faults distinguishing
hanota
- 单列汉诺塔问题:将汉诺塔的金盘按任意顺序叠成一列,我们试图通过某些操作,将其按照小盘在上大盘在下的规则排列整齐。由于没有可用于暂时存放金盘的柱子,我们可以执行的唯一操作是将金盘列的最上面若干层翻过来,不允许从中间或者底部抽出金盘进行翻转。用递归实现-Single Liehannuota problem: The Tower of Hanoi gold disc in any order folded column, we tried to pass some operations, which
treatment-of-reinforcement-layer
- 中间增强层的简化处理,包括材料属性,各向同性材料-treatment of reinforcement layer.
PE-material-treatment
- 复合管PE层的简化处理,包括层厚,以及与中间层的边界条件-treatment of PE layer, including boundary condition.
reinforcement-layer-peoperty
- 中间增强层的性能,包括对不同缠绕带的处理。每层缠绕带的吵扰角度不同。-properties of reinforcement layer.
Create-arecognition-network
- 创建一个模式识别网络(两层BP网络),同时给出中间层神经元的个数,这里使用20-Create a pattern recognition network (two BP networks), and give the number of neurons in the middle layer, using 20
NN_tutorial
- 人工神经网络是深度学习的基础,并在图像识别上应用非常多。本代码内容是一个经典的BP网络,S1和S2分别表示中间层和输出层的神经元个数,学习3幅不同类型的图像并输出。-Artificial neural networks are the basis of deep learning and are used in image recognition. The contents of this code is a classic BP network, S1 and S2, respectively
neural-network-genetic-algorithm-master
- 为了自动学习CNN的深度网络结构,网络结构的数量随着网络中间层数量的增加呈指数增长,这启发我们使用遗传算法有效地遍历这个大的搜索空间。我们首先提出一种编码方法,将每个网络结构表示为一个固定长度的二进制字符串,然后通过生成一组随机个体来初始化遗传算法。在每一代中,我们定义标准的遗传操作(如选择、突变和交叉)来消除弱势个体并产生更具竞争力的个体。(In order to automatically learn the deep network structure of CNN, the number