搜索资源列表
Perceptron-numerical-experiment
- 1.设计一个单一感知器解决简单分类问题 2.设计多个感知器神经元解决分类问题，并绘出图像 3.利用标准化感知器学习规则消除奇异样本对训练的影响-Design perceptron to solve classification problems
perceptronClustering
- fisher线性分类，多层感知器非线性分类，K-Means聚类-Fisher linear classification, multilayer perceptron linear classifiers, K-Means Clustering
SingleSensor
- matlab实现的单层感知器代码，用于实现逻辑“与”和逻辑“或”-matlab implementation of a single layer perceptron code for implementing the logical " AND" and the logical " or"
深度学习(中英文双版)
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。(The concept of deep learning stems from the study of artificial neural networks. A multilayer perceptron with a hidden layer is a depth learning structure. Depth le
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)
DeepLearnToolbox-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示(The concept of deep learning stems from the study of artificial neural networks. A multilayer perceptron with a hidden layer is a depth learning structure.)
Artificial_Intelligence_EA神经网络 五星
- EA描述 这个EA使用神经网络技术，虽然只包含一个感知器，却有良好的结果。此感知器能接收MACD指标的数据。 货币对：欧元/美元 时间段：1分钟 EA逻辑 EA根据开仓价格来操作。根据真实交易来得到最佳结果。测试的详细结果见下图： EA模拟了一个神经网络来发出买入/卖出信号。您可以通过设定加权参数来优化机器人。这个建议也检测自由保证金来监控交易操作。 输入选项 x1 … x4 —感知器加权（优化时选择） FastMA —针对 MACD 的快速移动平均线时间间隔 S
code
- 线性神经网络，最经典的是线性自适应元件，其在收敛精度和速度上较感知器均有较大的提高。(Linear neural network, is the most classical adaptive linear element, the precision and the speed of convergence is sensor was greatly improved.)
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))
Desktop
- 实现批处理算法，模式识别课程作业第3次第1题(batch perception pattern recognition)
2
- 通过随机产生高斯分布数据，来对数据进行分类。(The data are classified by random generation of gaussian distribution data.)
ClassicalMachineLearning
- 几个经典算法的实现，例如决策树，支持向量机，还有单层感知机等(Several classical algorithms are implemented, such as decision tree, support vector machine, and single layer perceptron)
李航_统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。(The statistical learning method is an important subject in the field of computer and its application.)
linear code
- 感知器和线性神经网络，有助于初次接触人工智能的学生(the codes contain a lot of good data.besides,they are helpful for you get the main thought soon.)
network1
- 应用人工神经网络的建模方法，采用多层感知器的模型结构，利用自适应学习速率的BP学习算法(The application of artificial neural network algorithm and the model structure of multilayer perceptron)
code2
- 线性神经网络和单层感知机非常相似，输入层、输出层甚至是误差迭代函数都相同，唯一的区别就是他们的传输函数不同(Linear neural network and single-layer perceptron are very similar. Input layer, output layer and even error iteration function are all the same. The only difference is their transmission function
MATLAB神经网络原理与实例精解
- MATLAB神经网络实例教程配套程序，包括感知器、BP神经网络等基本代码。(MATLAB neural network example tutorial matching program, including perceptron, BP neural network and other basic code.)
压缩感知DOA估计方法
- 该方法通过压缩方法求积信号的到达角，为了获得更精确的DOA估计值，把字典建模为可自由调整的参数描述的模型，通过梯度学习的方法，不断更新字典的格点值。
ROMP算法
- 压缩感知经典算法——ROMP，可实现信号压缩重构，针对不同稀疏度测试重构精度。
perceptron.zip
- % 单层感知器 与、或、以及其他逻辑功能的实现 % 采用step逐步逐行运行方式，了解学习过程的细节 % 尝试重新定义程序中的T，观察感知器实现异或运算(T=1 0 1 0]的可能性。