搜索资源列表
bp2
- 基于梯度下降的BP算法,可以调整学习率可动量因子.-based on the gradient descent algorithm BP, the learning rate can be adjusted momentum factor.
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。
BPwnn
- 讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
bp3
- 三层前馈神经网络的BP算法。程序具有以下功能： （1） 允许选择各层节点数； （2） 允许选用不同的学习率η； （3） 能对权值进行初始化，初始化用[-1、1]区间的随机数； （4）允许选用单极性和双极性两种不同Sigmoid型转移函数。 -Three-tier feed-forward neural network BP algorithm. Procedures have the following functions: (1) allows to choose the
bpnnet_154
- L-M算法。除了动量法(基于梯度下降的训练算法)外，学习率自适应调整策略是BP算法改进的另一种途径，它利用Levenberg-Marquardt优化方法，从而使得学习时间更短。其缺点是，对于复杂的问题，该方法需要很大的存储空间。 -L-M algorithm. In addition to momentum (based on the gradient descent algorithm for training), learning rate adaptive strategy is to i
BPandimprovethestandardmethodofBPalgorithm
- 标准BP算法及改进的BP算法应用，主要讲了标准的BP算法，附加动量法，自适应学习率调整法。-Standard BP algorithm and the application of improved BP algorithm, the main speaker of the standard BP algorithm, the additional momentum method, adaptive learning rate adjustment method.
BP
- delphi 2005下编译通过。支持变学习率。具有通用性，传递函数可自己写（动态调用）-delphi 2005 adopted under the compiler. Support variable learning rate. With the general nature of the transfer function can write their own (dynamic invocation)
bpdetail
- 严格按照BP网络计算公式来设计的一个matlab程序,对BP网络进行了优化设计 优化1：设计了yyy，即在o(k)计算公式时，当网络进入平坦区时(<0.0001)学习率加大， 出来后学习率又还原 优化2：v(i,j)=v(i,j)+deltv(i,j)+a*dv(i,j) -BP network in strict accordance with the formula to design a matlab program, the BP network optimiz
intellectual
- 探讨了动量系数和学习率自适应调整的神经网络算法, 给出了动量系数和学习率的调整方法, 并作为机械故 障的特征识别方法, 以小波分析技术作为机械故障特征信号的提取手段, 由此建立了基于小波与自适应神经网络 的旋转机械故障智能诊断系统, 给出了诊断系统的训练学习方式和工作方式, 通过实际测试数据的诊断结果说明此诊断系统对故障诊断是有效的。-intelligent dignose it is very useful
ant
- bp神经网络集,由于BP算法具有结构简单、易于实现的优点,在故障诊断、模式识别等方面得到了 广泛的应用。在BP网络的构造过程中,首先要确定隐层节点数、初始权值、学习率等参 数,这些值随着具体问题而变化,往往要经过多次试探才能确定 -bp nutral network
using-adaptive-chebyshev
- 提出了一种基于自适应 Chebyshev 多项式神经网络(ACNN)的 Logistic 混沌系统控制算法。该算法采用 Chebyshev 正交多项式作为神经网络的激励函数, 构建 Logistic 混沌系统的预测与控制模型。为了保证算法的稳定性, 提出和证明了收敛定 理, 并利用自适应学习率算法提高神经网络的学习效率和收敛速度。通过采用自适应 Chebyshev 神经网络直接学习 Logistic 混 沌系统的动态特性, 并对系统实施目标函数控制。实验仿真结果表明, 该算法在 L
BP
- BP神经网络的数据分类-语音特征信号分类 4类数据data1、data2、data3、data4。 通过自编BP网络进行信号识别。 同时加以改进，附加栋梁和边学习率学习算法。-The BP neural network of data classification-voice characteristic signal classification Four kinds of data, data2, data3 data1, data4. Through the editi
Bp_network
- 采用C语言编写的BP神经网络算法 自己设定误差率和学习率-BP neural network algorithm using C language Set error rate and learning rate
Untitled
- 手写体数字辨别,样本数据与训练数据均来自UCI 机器学习数据库网站：http://archive.ics.uci.edu/ml/datasets.html 采用BP多学习率算法-BP algorithm of neuro network
w-h
- 利用W-H规则进行网络训练时应该选取小学习率使其收敛，大的学习率会使网络发散-WH rules for network training, it should select small learning rate convergence, the learning rate will make the network divergence
enhanced-BP
- bp神经网络改进算法加入局部学习率自适应调整机制程序用于拟合函数-bp Neural Network Algorithm local learning rate adaptive adjustment mechanism procedure for fitting function
BP
- BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出
BP-neural-networks-algorithm
- 本程序为一个误差向后传播的三层前馈神经网络有指导的学习算法:Gauss变异动态调整BP算法中学习率参数和冲量系数-This program is a three-layer error back propagation feedforward neural networks supervised learning algorithm: the Gauss variation dynamically adjusts the learning rate in BP algorithm paramet
CODpredict
- 有附加动量项和可变学习率的BP神经网络建模和预测！-Additional momentum term and variable learning rate BP neural network modeling and prediction!
Chapter04
- 基于tensorflow 的神经网络的损失函数，学习率，正则化，滑动平均等方法(Method of loss function, learning rate, regularization and sliding average of neural network based on tensorflow)