搜索资源列表
myworkonnnet
- 多层感知器(MLP)(BP算法训练)、径向基函数网络(RBF网络)、支持向量机(SVM)对2D Mexican Hat、Gabor、Friedman 以及Polynomial等几种函数数据集进行回归和预测-multilayer perceptron (MLP) (BP algorithm training), RBF network (RBF), Support Vector Machine (SVM) to 2D Mexican Hat, Gabor, Friedman Polynomial
wave_neural_crossvalind
- 应用连续小波变换对脑机接口（BCI）信号处理，进入神经网络分类，包括BP网络和LVQ网络-continuous wavelet transform application of brain-machine interfaces (BCI) signal processing, neural network access classification, BP network including network and LVQ
PerceptionCLassify
- 感知机分类算法用于文献分类,基于BP神经网络的基本算法-Perceptron classification algorithm for Literature Classification, based on BP neural network algorithm
finish
- 可以进行包括bp神经网络以及svm支撑向量机和其他多种方式的模式识别进行数字识别，可以导入白底黑字的图片，也可进行手写识别。-Bp neural network can be included, and svm support vector machines and other pattern recognition in many ways digital identification, black and white images can be imported, but also the
bp
- 小波神经网络电力负荷预测,有较强的学习价值和应用价值-Wavelet neural network power load forecasting, there are strong learning value and applied value
43680540Classification-MatLab-Toolbox
- 利用人工智能算法对数据进行训练，然后模式分类，里面包含支持向量机，聚类，BP网络等许多优秀的算法-The use of artificial intelligence algorithm to training data, and then pattern classification, which includes support vector machines, clustering, BP network algorithm and many other outstanding
SVMNR
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。 -Support Vector Machine and BP neural network, ev
sf1847
- 数据挖掘建模工具，轻易实现BP神经网络、RBF神经网络、灰色系统、决策树、决策表、贝叶斯、懒惰算法、支持向量机、K均值聚类、Apriori关联规则、HotSpot关联规则、回归分析、指数平滑、季节移动平均及组合等算法建模。-Data mining modeling tools, easy to achieve BP neural network, RBF neural network, gray system, decision tree, decision table, Bayesian, l
BP-neural-network-PID-control-in-the-blow-molding-
- BP神经网络PID控制在吹塑机系统中的应用BP neural network PID control in the blow molding machine system-BP neural network PID control in the blow molding machine system
Artificialneuralnetworkandsimulation
- 内容包括:人工神经网络简介、单层前向网络及LMS学习算法、多层前向网络及BP学习算法、支持向录机及其学习算法、Hopfield 神经网络,随机神经网络及模拟退火算法、竟争神经网络和协同神纤网络。每章均给出了基于MATLAB的仿真实例以及练习。 -Contents include: Introduction to artificial neural networks, single-layer feedforward network and the LMS learning algorit
ELM
- 极限学习机是一种神经网络仿真，比BP,SWM学习速度更快，参数设置更容易-Extreme Learning Machine is a kind of neural network simulation, compared with BP, SWM learning faster, easier to set parameters
nnsysid
- 人工智能，神经网络，BP网络，支持向量机网络的实现-Artificial intelligence, neural network, BP network, support vector machine network to achieve
Matlab-svm-BP-compare
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。-SVM and BP neural networks, although non-linear regr
artificial-neural-network
- 人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及 功能的一种抽象数学模型。自1943 年美国心理学家W. McCulloch 和数学家W. Pitts 提 出形式神经元的抽象数学模型—MP 模型以来，人工神经网络理论技术经过了50 多年 曲折的发展。特别是20 世纪80 年代，人工神经网络的研究取得了重大进展，有关的理 论和方法已经发展成一门界于物理学、数学、计算机科学和神经生物学之间的交叉学科。 它在模式识别，图像处理，智能控制，组合优化，金融预测与
svm-fault-diagnosis
- BP神经网络，支持向量机等用于风机故障诊断，实现故障故障分类，附带数据-BP neural networks, support vector machine for fan fault diagnosis, failure fault classification, with data
BPmatlab
- BP神经网络算法实现例子，多层感知机，对非线性函数逼近(neural network and Multilayer perceptron)
assignments
- 利用R语言实现了上述功能，使用了一个函数来测试(I use R lang to achieve the function above( senser and BP))
ELM代码
- 为了评价ELM的性能，试分别将ELM应用于基于近红外光谱的汽油辛烷值测定和鸢尾花种类识别两个问题中,并将其结果与传统前馈网络(BP、RBF、PNN、GRNN等)的性能和运行速度进行比较,并探讨隐含层神经元个数对ELM性能的影响。(n order to evaluate the performance of ELM, test the application of ELM in the near infrared spectroscopy based on the determination of
基于数据数量对支持向量机和BP神经网络性能分析
- 不同样本数量支持向量机和BP神经网络性能分析对比(Performance analysis of neural network)
libsvm-3.17
- 主要针对声品质预测模型使用的相关智能算法，包括支持向量机（SVM）和BP神经网络。(This paper mainly focuses on the relevant intelligent algorithms used in the sound quality prediction model, including support vector machine (SVM) and BP neural network.)