搜索资源列表
4V
- matlab实现的多变量输入BP神经网络算法，采用了四维输入，输出一维-Matlab, a multi - variable input BP neural network algorithm, using a four-input, one-dimensional output
BPMATLAB
- BP神经网络原理及MATLAB仿真 pdf电子书籍-BP neural network and MATLAB simulation pdf e-books
ex3
- 基于BP神经网络识别字符. BP神经网络算法是把一组样本输入输出问题转化为一个非线性优化问题，并通过梯度算法利用迭代运算求解权值的一种学习方法。采用BP网络进行分类，并附加线性感知器来实现单字符的有效识别，算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别。-BP neural network based character recognition. BP neural network algorithm is a set of sample input and output is
bpMATLABcode
- bp神经网络代码，利用单隐含层，可扩展为多输入单输出可以看看！ -bp neural network code, you can see!
GA-a-PSOPBP
- 遗传算法及粒子群算法优化的BP神经网络，用于多输入多输出的神经网络预测模型-GA and PSO optimized BP neural network. Can be used for ANN prediction models with multiple inputs and outputs
ANN
- 编写BP神经网络系统，可适应多节点输入输出的人工神经网络训练，即可以自由定义输入节点的个数，隐层节点个数，输出节点个数以及样本的个数。-Preparation of BP neural network system can be adapted to multi-node input and output of the artificial neural network training, that is free to define the number of input nodes, hid
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-neural-network-prediction-method
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
BP-HIDDEN
- 包含多隐含层的BP神经网络程序，已经过调试，训练良好，预测ok，修改输入输出即可-BP neural network program contains multiple hidden layers, have been commissioning, training well, forecasting ok, you can modify the input and output
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
pso
- 改进的pso-bp神经网络预测模型，用于多输入多输出的预测控制-The improved pso- bp neural network prediction model，which used to predict multiple input multiple output
BP
- BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。-Back Propagation (BP), a multi-layer feedforward neural network trained by the error back propagation al
BP网络
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法（梯度法），通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input layer）、隐层(hide layer)和输出层(outpu
GA-BP神经网络应用实例之MATLAB程序
- 使用MATLAB编写的GA-BP神经网络，可进行多组数据处理 % gap.xls中存储训练样本的原始输入数据 37组 % gat.xls中存储训练样本的原始输出数据 37组 % p_test.xls中存储测试样本的原始输入数据 12组 % t_test.xls中存储测试样本的原始输出数据 12组(MATLAB implementation of the GA-BP neural network,% gap.xls stored in the training sample of the
BP神经网络程序
- 是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。(It is a multilayer feedforward network trained by error backpropagation algorithm, and is one of the most widely used neural network models. BP networks can learn a
BP_PID
- 多输入多输出的三层神经网络（反向传播算法）PID控制(Multi input multi output three layer neural network (back propagation algorithm) PID control)
BP
- BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。(BP nntool is a multilayer feedforward network trained by error inverse propagation algorithm. It is one
BP
- BP网络是通过输入层到输出层的计算来完成的。多于一层的隐含层虽然能在速度上提高网络的训练,但是在实际应用中需要较多的训练时间,而训练速度可以用增加隐含层节点个数来实现,因此在应用BP神经网络进行预测时,选取只有一个隐含层的三层BP神经网络就足够了。(The BP network is completed through the calculation of the input layer to the output layer. Although the hidden layer of more
pso-bp
- 采用粒子群算法优化BP神经网络，解决了陷入局部小的问题，同时提高了算法精度，可实现多输入单输出，或者多输入多输出，算法精度较高。
基于BP神经网络的色空间转换
- 本案例为基与bp神经网络对pantone色卡中RGB空间向Lab空间转换的源码，并已经调试成功输入层输出层函数与神经元个数。附加功能：直接得出各色块的Eab色差已经测试样本与预测样本的相关系数。经多次实验，相关色差在2~3之间，低于CIE认可标准：4，相关系数达到0.96以上，可以准确预测绝大多数色块，用于色彩管理建模。(This case is for color space converting(RGB Space to Lab Space) You can master how to u