搜索资源列表
BP
- 用bp神经网络对sin(x)拟合,隐含层采用sigmoid函数，输出层采用线性函数,
RBF_OLS
- 此程序是神经网络中径向基函数的OLS算法，在MATLAB中实现。用一个2－n－1结构的RBF网对SISO系统进行建模，网络的两个输入为u(k-1)和y(k-1)，输出为 y(k)。令y(0)=0，按飞线性系统产生200个样本，其中前100个样本用于训练，后100个样本用于测试。-This program is the radial basis function neural network of OLS algorithm is implemented in MATLAB. With a 2-n
bp1
- 两层BP神经网络训练加权系数 隐含层取S型传输函数 输出取线性传输函数-Two-tier training BP neural network hidden layer weighting coefficient from S-transfer function output from the linear transfer function
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
NNapply1
- 利用线性神经网络对某一正弦信号进行线性预测。利用函数newlind设计线性神经网络， 在已知正弦信号过去5个值得情况下，预测其将来值。 定义需要的信号，共持续5s，采样频率40Hz-Using linear neural network to a sinusoidal signal for linear prediction. Newlind design using a linear function of neural networks, known sinusoidal
invertedpendulum
- 倒立摆是一种复杂、时变、非线性、强耦合、自然不稳定的高阶系统，许多抽象的控制理论概念都可以通过倒立摆实验直观的表现出来。基于人工神经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练，并与线性反馈控制逻辑算法对比，表明倒立摆控制B
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
bp_v1_2
- -----引入动量的算法 建立一个3层（含输入层）的BP神经网络，并对其进行训练 输入层不进行数据处理，隐含层激活函数为sigmod函数，输出层为线性函数 输入输出数据归一化到[-1,1]，数据在矩阵中按行向量表示 即x=[x11,x12 x21,x22 ... xp1,xp2] y=[y1 y2 ... yp] p为样本数 -The introduction of the algorithm ----- momentum to build a three-layer (
RBF_2
- 此程序是神经网络中基于梯度的径向基函数算法，在MATLAB中实现。用一个2－n－1结构的RBF网对SISO系统进行建模，网络的两个输入为u(k-1)和y(k-1)，输出为 y(k)。令y(0)=0，按飞线性系统产生200个样本，其中前100个样本用于训练，后100个样本用于测试。-This procedure is based on the gradient neural network radial basis function algorithm is implemented in MATL
RBF_3
- 此程序是神经网络中基于聚类的径向基函数算法，在MATLAB中实现。用一个2－n－1结构的RBF网对SISO系统进行建模，网络的两个输入为u(k-1)和y(k-1)，输出为 y(k)。令y(0)=0，按飞线性系统产生200个样本，其中前100个样本用于训练，后100个样本用于测试。-This procedure is based on neural network clustering of radial basis function algorithm is implemented in MAT
vcdigita-image-patten-
- 本书介绍了模式识别和人工智能中的一些基本理论以及一些相关的模型,包括贝叶斯决策、线性判别函数、神经网络理论、隐马尔可夫模型、聚类技术等-This book describes the pattern recognition and artificial intelligence in some of the basic theory and some related models, including Bayesian decision-making, linear discriminant f
RBFyuanchengxu
- 在RBF神经网络学习过程中，I出F神经元先计算输入与中心之间的距离，然 后再对这一距离进行某种非线性变换。输出层和隐藏层分别完成不同的任务，这两层学习的策略也不相同。输出层是对线性权进行调整，采用的是线性优化策略， 因而学习速度较快。而隐藏层是对传递函数的参数进行调整，采用的是非线性优 化策略，因而学习速度较慢。 RBF算法选用高斯函数作为隐藏层传递函数时，由隐藏层来实现从 x哼R，(x)的非线性映射，由输出层来实现从R,(X)--->y。的线性映射。-In the R
BPnetwork
- 实现BP神经网络训练的小程序。采用单输入单输出的3层BP网络，神经网络隐层采用标准的sigmoidal激活函数，输出层采用线性激活函数。-BP neural network training procedures. Single-input single-output three-layer BP network, the neural network hidden layer using a standard sigmoidal activation function, the output
The-adaptive-Neural-Network-
- 基本上实现这些类型的神经网络： 自适应线性网络（ADALINE） 多层多层感知器网络 广义径向基函数网络 动态细胞结构（DCS）网络与高斯或圆锥形的基础功能-There are blocks that implement basically these kinds of neural networks: Adaptive Linear Networks (ADALINE) Multilayer Layer Perceptron Networks Generalized
neural-network-code
- matlab 通用神经网络代码，感应器神经网络、线性网络、BP神经网络、径向基函数网络-matlab generic neural network code, sensors, neural networks, linear network, BP neural network, radial basis function network
matlab-homework
- BP神经网络实现函数逼近 自适应性线性神经网络与线性逼近 含代码 与运行截图-The BP neural network to realize the function approximation Adaptive linear neural network and linear approximation Contain the code and run screenshot
colt-1.2.0
- Colt是一个高性能的数学库，由以下几个子库构成： Colt库:基本的动态数组、稀疏矩阵、线性代数。 Jet库：数理统计、直方图。 CoreJava库：类printf的打印函数，并行计算。(Colt is a high performance math library composed of the following sub libraries: Colt libraries: basic dynamic arrays, sparse matrices, linear algebra.
rbf
- 自己编写RBF神经网络程序，RBF神经网络隐层采用标准Gaussian径向基函数，输出层采用线性激活函数，其中数据中心、扩展常数和输出权值均用梯度法求解，它们的学习率均为0.001。其中隐节点数选为10，初始输出权值取[-0.1，0.1]内的随机值，初始数据中心取[-1，1]内的随机值，初始扩展常数取[0.1，0.3]内的随机值，输入采用[0 1]的随机阶跃输入(Write your own RBF neural network, RBF neural network hidden layer
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
神经网络
- 本代码包括感应器神经网络、线性网络、BP神经网络、径向基函数网络(This code includes a sensor neural network, a linear network, a BP neural network, a radial basis function network)