搜索资源列表
1060339061_hw1
- 多个感知器分类,属于人工智能的神经网络的 -number perceptron classified into artificial intelligence neural network
percepron
- 1.感知器对于线型可分问题的收敛性证明 2.用感知器对线型可分得问题进行分类 1)分三类的问题 2)一组10维数据的分类 3．用感知器对线型不可分的问题进行分类及 不能正确分类的原因证明 说明： 1.运行程序不仅能得到分类的结果，还能够得到网络性能分析的结果 2.matlab7.0下实现
shibie
- 模式识别感知器算法实现（样本分类），基于iris数据
perceptron
- 本程序采用感知器算法进行分类设计，采用Borland C++ Builder 6.0进行编程实现。
Perceptron-and-ADALINE-network
- 这些程序包括以下方面1.使用感知器和ADALINE网络对字母进行识别。2.随机选取初始权向量，选取适当的迭代步长(对ADALINE网络)，用给出的四个输入训练样本，对上述两个网络分别进行训练，直到网络收敛；3.对Adaline网络选取不同的值，分别画出误差曲线，观察它们的变化规律；4.对感知器选取不同的初始权向量，分别计算每类训练样本到超平面的距离，观察它们的异同；5.训练结束后，检验网络的识别能力(使用100个检测样本，对应于每个取25个含噪的变形)：6.比较Adaline和单神经元感知器的分
textureclassfication
- 提出了一种基于函数联接的感知器神经网络的纹理分类方法.它采用高斯2马尔柯夫随机场模型(GM RF)对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得.将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题.对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果. -Based on the function connected perceptron neural network tex
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
Conception
- 用vc写的神经网络感知器分类算法演示实现过程，效果不错。-Written by vc perceptron neural network classification algorithm implementation process demonstrated good results.
four
- 基于matlab语言，利用BP神经网络设计一个感知器，对输入进行分类-Based on the matlab language, the use of BP neural network to design a sensor, the input classification. .
ganzhiqi
- 神经网络感知器模型程序，可以对现行可分系统进行分类。用matlab实现。另附BP算法文档。-Neural network sensor model program that can be divided into the current classification system. Using matlab. BP algorithm attached document.
zuoye2
- 感知器分类作业，将200个二维样本分成两类-Sensor classification operations, 200 two-dimensional samples divided into two categories
shenjingwangluo
- 感知器神经网络分类，简单的感知器，希望对大家有帮助。-Perceptron neural network classification of simple perception, helpful to everyone.
perceptron-Cpp
- 单层感知器算法，用于实现线性分类的重要算法-Single-layer perceptron algorithm
perceptron
- 基于VC++实现感知器模式识别，并用OPENGL显示分类结果-The perceptron Pattern Recognition based VC++ OPENGL classification results
artifical-nerual-network
- 人工神经网络感知器，利用样本点训练网络并绘出得到的分类线-artifical nerual network
Neural-network-classified
- 神经网络系统，关于感知器程序，对如下输入、输出样本进行分类，输入样本如下： 所对应的输出的10组二元目标矢量为： -Neural network system perceptron procedures classified as input and output samples and input samples as follows: corresponding to the output of the 10 groups of the binary target vector:
perception_
- 是用神经网络中的感知器进行分类的程序，并给出了图形显示的结果-A program to classify with the perceptron in the NN,and the result is given in the form of chart.
PerceptronLearningRule_2
- 單個感知器神經元學習程序.当被分类的模式线性可分时，单神经元可对所有模 式正确分类。-Single neuron perceptron learning process when the linear model can be classified timeshare, single neuron can correctly classify all modes.
recepton
- 采用单神经元结构感知器对两类样本进行分类-A single neuron structure Perceptron classify two types of samples
percep01
- 利用神经网络中感知器进行简单的线性分类。-With simple linear perceptron neural network classification.