搜索资源列表
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌
神经网络
- hapter8.1.m为使用交叉验证的GRNN神经网络预测程序 chapter8.2.m为BP和GRNN效果比较程序 注意：由于是比较两种网络结果，需要先运行chapter8.1.m后运行chapter8.2.m 以保证两网络使用了相同的数据进行训练。
mulitplot
- 本程序为实验性程序，验证了平面上到多点距离之和等于定长的点的轨迹，是未加权的无线传感器网络的仿真原型程序，并附实验报告。-This procedure for the experimental procedures, to verify the plane to multi-point distance and the point equivalent to fixed-length track is unweighted wireless sensor network prototype si
WaveletNN
- 自己所编写的小波神经网络程序，已经在MATLAB7.0下经过了验证-Prepared by their wavelet neural network procedures, has been validated under MATLAB7.0
Optimization_of_RBF_Network
- Matlab粒子群算法优化RBF网络 采用了粒子群算法对RBF神经网络中的参数进行了优化，在测试程序中验证了经过粒子群算法优化的RBF神经网络的函数逼近能力比未经过优化的逼近能力强-Matlab PSO RBF network optimization using particle swarm optimization on RBF neural network parameters are optimized, in the test procedures and verified thr
bp
- BP网络进行分类。matlab源码。经过验证-BP network classification. matlab source code. Proven
BTFfuzzy
- 基于石油钻井神经网络PID仿真器模型，该模型验证了该算法的可行性和有效性-BTF simulink fangzhen
matlab
- 小世界模型 近日需要用到无标度网络与小世界网络，早上用matlab写了这两种网络的matlab程序，放在这，有用者可以拿去用，请自己验证正确性后使用。 -Small-world model
C
- C#神经网络 验证码识别 源代码 遗传算法根据输出层每个节点上的误差来调整隐层与输出层之间的权值将输出层的输出与理想输出比较计算输出层每个结点上的误差前向输入激活 -C#
psobp
- pso优化Bp神经网络,在matlab中的运用，已经过本人验证可以使用，还请各位给予指教-pso bp
pso_ga_RBF_network
- 用MATLAB语言编写的，采用了粒子群算法对RBF神经网络中的参数进行了优化，在测试程序中验证了经过粒子群算法优化的RBF神经网络的函数逼近能力比未经过优化的逼近能力强-Written by MATLAB, using the particle swarm algorithm to RBF neural network parameters were optimized, validated in the test program through the Particle Swarm Optim
NN
- 使用Matlab实现BP神经网络对蝴蝶花进行分类，内容包括： 1。网络设计，包括输入层、隐含层、输出层节点个数的设计，为什么如此设计。 2。算法步骤 3。编程，注意原始数据的通用化，数据输入的随机性。 4。网络训练，注意训练数据与验证数据分开。 5。网络验证 -Matlab achieve a BP neural network to classify the butterfly flower
xiaobaiwangluoyanzheng
- 小白网络验证2016最新验证软件，比可可更好，更方便-Latest 2016 White Network Authentication validation software, better than cocoa, more convenient
bp
- cheshi.m为使用交叉验证的GRNN神经网络预测程序 xiaoguobijiao.m为BP和GRNN效果比较程序(Cheshi.m is a cross validation GRNN neural network prediction program Xiaoguobijiao.m is the BP and GRNN effect comparison program)
DOF_BP
- 针对六自由度平台，运用BP神经网络求解六自由度平台反解，并且用验证样本集进行验证，精度较高(Using BP neural network to solve the six degree of freedom platform inverse solution)
DeepLearnToolbox-master
- 这是用于深度学习的Matlab工具箱 深度学习是机器学习的一个新的子领域，专注于学习深层次的数据模型。 它的灵感来自于人类大脑的明显的深层次（分层的）层次结构。 目录包括`NN /` - 一个用于前馈反向传播神经网络的库，`CNN /` - 卷积神经网络库，`SAE /` - 堆叠式自动编码器库，`CAE /` - 卷积自动编码器库，`util /` - 库使用的功能函数，`data /` - 实例使用的数据，`tests /` - 单元测试来验证工具箱是否正常工作(A Matlab to
神经网络判断任务完成率
- 用神经网络，通过训练和验证，形成判断任务完成率的算法(By training and validating the neural network, an algorithm for judging the completion rate of tasks is formed)
BP NN jiaochayanzheng
- 基于改进的BP神经网络的算法，并结合了交叉验证算法，划分为训练集与测试集进行改进。(Based on the improved BP neural network algorithm and the cross validation algorithm, the training set and test set are improved.)
神经网络
- 单隐藏层神经网络，五折交叉验证外加训练集(Single hidden layer neural network)
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测结果更具应用价值。(In this paper, wavel