搜索资源列表
gesture-recognition
- 出并设计了基于计算机视觉的手势识别系统。采用双肤色模型和背景自适应模型进行手势分割，解决纷乱背景 下实时手势分割问题。以傅里叶描述于表缸E手势轮廓，基于BP网络建立的手势识别分类器，具有较强的自学习能力，提高了 识别率。-A hand gesture recogll主ti。n system which based on∞mputer vision is Prescn}ed in thi3 pape。A method of combinirlg double c010r-spatial
Shortest-Path-Based-on-Delay-PCNN
- 本文在脉冲耦合神经网络(PCNN2Pulse Coupled Neural Network) 的基础上,提出了时延脉冲耦合神经网络 (DPCNN2Delay PCNN) ,并将其成功地用于求解最短路径,同时给出了基于DPCNN 的最短路径求解算法. Caulfield 与 Kinser 提出了用PCNN 求解迷宫问题的方法,虽然他们的方法也可用于求解最短路径,但所需神经元的数量巨大,而本 文的方法所需的神经元的数量远小于他们的方法. 同时,本文的方法充分利用了DPCNN 脉冲快速并
artificial-neural-network
- 人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及 功能的一种抽象数学模型。自1943 年美国心理学家W. McCulloch 和数学家W. Pitts 提 出形式神经元的抽象数学模型—MP 模型以来，人工神经网络理论技术经过了50 多年 曲折的发展。特别是20 世纪80 年代，人工神经网络的研究取得了重大进展，有关的理 论和方法已经发展成一门界于物理学、数学、计算机科学和神经生物学之间的交叉学科。 它在模式识别，图像处理，智能控制，组合优化，金融预测与
shortest-path-problem
- 图与网络是运筹学（Operations Research）中的一个经典和重要的分支，所研究的 问题涉及经济管理、工业工程、交通运输、计算机科学与信息技术、通讯与网络技术等 诸多领域。下面将要讨论的最短路问题、最大流问题、最小费用流问题和匹配问题等都 是图与网络的基本问题。 我们首先通过一些例子来了解网络优化问题。 例1 最短路问题（SPP－shortest path problem）-shortest path problem）
nerualwork
- 小游戏，计算机博弈AI代码，神经网络和遗传算法估值-Games, computer game AI code, neural networks and genetic algorithms valuation
AForge.NET
- AForge.NET是一个专门为开发者和研究者基于C#框架设计的，他包括计算机视觉与人工智能，图像处理，神经网络，遗传算法，机器学习，模糊系统，机器人控制等领域。-AForge.NET is a specialized developer and researcher based C# framework designed, he included computer vision and artificial intelligence, image processing, neural netw
bp
- 逻辑性的思维是指根据逻辑规则进行推理的过程 它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理 这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。-Logical thinking refers to the process according to t
bp_demo
- 逻辑性的思维是指根据逻辑规则进行推理的过程 它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理 这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。-Logical thinking refers to the process according to t
BP_ANN
- 计算机神经网络（BP）的演示例程，有详细的资料与演示步骤，以供初学神经网络算法的人使用。-Computer network (BP) demonstration routines, with detailed information and presentation steps for beginners to use neural network algorithm.
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称