搜索资源列表
BPexample
- 开发环境:Matlab 简要说明:动量-自适应学习调整算法。在实际应用中，原始的BP算法很难胜任，因此出现了很多的改进算法。BP算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。本例采用动量BP算法，来实现对网络的训练过程，动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小。-development environment : Matlab Brief Descr iption : Momentum-adaptive learning
bp.rar
- BP神经网络自适应步长训练算法，采用最小误差法，梯度下降法，自适应调节权值,BP neural network training anaysis, is realized by using error feed back, gradient descent applied updating of synaptic weights
BpTRAINING
- 自适应步长BP神经网络训练算法，采用最小误差和梯度下降法更新权值- BP neural network training anaysis， realized by using error feed back, gradient descent applied updating of synaptic weights
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
lmsour
- 自适应滤波器的最小均方误差算法的实现（使用MATLAB），用于system identification和noise cancellation.-MATLAB minimum mean square error of the adaptive filter algorithm for system identification and noise cancellation.