搜索资源列表
Hop
- 用神经元模拟磁旋，用连接权模拟磁场中磁旋的相互作用，用各神经元的激活、抑制这两种状态，模拟磁旋的上下两个方向。 构成一个具有记忆功能的NN，并用计算能量函数，来评价和指导整个网络的记忆功能。 -using simulated neurons magnetic spins, and connecting with the right analog magnetic rotary magnetic field interaction with the activation of neuron
BP-nn
- BP神经网络分类器 程序有两种运行状态，一个是学习，另外一个是分类。在学习状态下，在Dos命令符下输入bp learn，便开始学习了，学习的结果放在weight.dat中；在工作状态下，在Dos命令符下输入bp work，便开始识别classfyme.dat中的数据了，识别完成后，结果放在results.dat中。在bp运行的任何一种状态下，都不能手工打开Weight.dat、Sample.dat、classfyme.dat、results.dat中的任何一种。~..~-BP neur
matlab_3
- 基于BP神经网络整定的PlD控制，神经网络，根据系统的运行状态，调节PID控制器的参数，以期达到某种性能指标 的最优化，使输出层神经元的输出状态对于控制器的三个可调参数
MLP
- 本程序实做MLP(Multi-layer perceptron)算法，使用者可以自行设定训练数据集与测试数据集，将训练数据集加载，在2、3维下可以显示其分布状态，并分别设定键节值、学习率、迭代次数来训练其类神经网络，最后可观看辨识率与RMSE（Root Mean squared error）来判别训练是否可以停止。
Boltzmann Machin
- 仿真1：首先把网络温度参数T固定在100，按工作规则共进行1000次状态更新,把这1000次状态转移中网络中的各个状态出现的次数Si（i＝1，2，…，16）记录下来 按下式计算各个状态出现的实际频率： Pi=Si/∑i=1,NSi=Si/M 同时按照Bo1tzmann分布计算网络各个状态出现概率的理论值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：实施降温方案，重新计算 采用快速降温方案：T（t）= T0/（1+t） T从1000降到0.01，按工作规则更新网络状态 当T=0.01时结
hopfild1
- Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元
nn
- 线性神经网络，BP神经网络，Hopfield神经网格，Elman神经网络，RBF神经网络；在模型应用模块中实现了六种实际应用：RBF网络的船用柴油机故障诊断，BP网络的齿轮箱故障诊断，SOM网络的回热系统故障诊断，BP网络的设备状态分类器，SOM网络的人口比例样本分类，SOM网络的土壤性状样本分类。-Linear neural network, BP neural network, Hopfield neural network, Elman neural network, RBF neural
xiaoshijieshenjingwangluozhongdelianxiangjiyiyanji
- 摘要： 本文研究了基于小世界结构的神经网络中的联想记忆模型。网络恢复存储模式的行为其实是无序参数为一有限值时的相位变化。越是规则的网络越是难以恢复记忆模式，且容易变成混合状态。另外，在无序参数的值适中时，对于一定数量的存储模式，最终得到恢复的效果可以达到最大。-Abstract: This paper studies the structure based on small-world neural network model of associative memory. Network s
AI
- 6中AI算法，包括路径规划与移动技术、有限状态机，脚本技术，群聚技术，遗传算法，神经网络，每个算法中都有例子程序。-6 AI algorithms, including path planning and mobile technology, finite state machines, scr ipting technologies, clustering techniques, genetic algorithms, neural networks, each algorithm, ther
qpso
- 在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。- In order to improve the detection rate for anomaly state and reduce the false positive rate for n
FourthordersolvefifthorderCNNequation
- 用四阶经典龙格库塔算法求解5阶细胞神经网络状态方程，得到5路超混沌序列。-With the fourth order classical Runge-Kutta algorithm for 5-order cellular neural network state equation, 5-way super-chaotic sequence are generated.
testIEEE14
- 状态估计在IEEE14网络上的加权最小二乘法计算-state estimation for IEEE14 using Weighted Least Squares method
Ipso
- 提出了一种基于改进型微粒群算法的无线传 感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息-Proposed a modified particle swarm algorithm based on wireless sensor network clustering routing algorithm to optimize the clustering process. Cluster head node, considering the select
BP神经网络运动状态分类
- 该程序可以通过训练集对所构建的BP神经网络进行训练，并能通过测试集，即对不同的运动状态进行分类。(The program can train the constructed BP neural network through the training set, and can classify the different motion states through the test set.)
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are often encountered. The equations
criedek04
- 动态规划的基本步奏,教你怎么写状态转移方程,及一些编程的技巧()
第一次实验Adaline
- 熟悉Kosko型双向联想记忆网络的原理与结构，通过仿真实验掌握具体实现方法，了解该网络的功能及性能，加深对该类网络的稳定状态和能量函数等概念的理解。(We are familiar with the principle and structure of Kosko bidirectional associative memory network. We can grasp the specific implementation method through simulation experime
BP
- BP神经网络预测模型，基于时间序列，将已知状态的数据量作为神经网络的输入，预测未知状态的数据(A prediction model based on BP neural net)
ESN-py3
- 回声状态网络ESN源代码，python版，适用与python3和python2，包括输入层到输出层连接(Echo state networks python code, suit for python3 and python2, including input units to output units links)
工作空间中机械手的神经网络自适应控制
- 工作空间中机械手的神经网络自适应控制. 本设计为一个基于神经网络自适应控制的机械手运动模型的 MATLAB 仿真实验。以平面二关节机械手为控制对象，以一圆为目标轨迹。先得到机械手的运动 方程的形式，用 RBF 径向基神经网络对方程式中的系统的各个参数进行建模，利 用每个时刻的估计状态和理想状态的误差，通过梯度下降法对网络参数进行修正， 在若干次修正后，神经网络模型所得的状态跟踪到理想状态。