搜索资源列表
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
Self-organizing_feature_map_model
- 自组织特征映射模型(Self-Organizing feature Map)，认为一个神经网络接受外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。各神经元的连接权值具有一定的分布。最邻近的神经元互相刺激，而较远的神经元则相互抑制，更远一些的则具有较弱的刺激作用。自组织特征映射法是一种无教师的聚类方法。-Self-organizing maps model (Self-Organizing feature Map), that a neural n
BP-neural-network-prediction-method
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
som
- 自组织映射SOM的主要目的是将任意维数的输入信号模式转变为一维或者二维的离散映射，并且以拓扑有序的方式自适应实现这个变换。呈现给网络的每一个输入模式，通常包含面对平静背景的一个局部化活动区域或“点”。这个点的位置和性质通常随输入模式的实现不同而不同。因此输入网络中所有神经元应经历输入模式的足够次数的不同实现，确保有机会完成恰当的自组织过程。自组织映射的形成主要有三个过程：竞争、合作、突触调节。-The main purpose of self-organizing map SOM is the
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
k-meansaSOFM
- 已知一组二维模式矢量如下（20个）,利用k均值聚类算法将模式集分类，并计算出聚类中心。利用输入层为2个神经元，输出层结构为7*7方阵的自组织映射（SOFM）对同样模式进行聚类-Given a set of two-dimensional pattern vector as follows (20), the use of k-means clustering algorithm to classify the pattern set, and calculate the cluster cent
3
- BP神经网络逼近正弦函数 本次实验主要是让大家对BP网络设计进一步了解和认识，熟悉BP网络，熟知BP学习算法的原理以及其在MATLAB中的程序实现，在掌握这些基本原理的同时用BP神经网络逼近正弦函数。 BP网络有很强的映射能力，主要用于模式识别和函数逼近。可以采用BP网络函数逼近的能力来求解数学式难以表达的函数。本实验采用一个三层BP网络，看它如何逼近一个正弦函数的。-BP neural network to approach the sine function The main e
BP-ANN
- BP网络是一种按误差逆传播算法训练的多层前馈网络，目前应用较为广泛。它能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。本文讲述了一种关于BP神经网络应用实例。-BP network is a back propagation algorithm by former Multilayer feedforward network, currently used more widely.They can learn and store a lot of input-
BP神经网络程序
- 是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。(It is a multilayer feedforward network trained by error backpropagation algorithm, and is one of the most widely used neural network models. BP networks can learn a
SOFM
- 1981年芬兰 一种自组织特征映射网 ， 又称 Kohonen 网 。 Kohonen 认为 ，一个神经网络接受外界输入模式时， 将会分为不同的对应区域， 各区域对输入模式具有不同的响应特征(In 1981, a self organizing feature mapping network, also known as Kohonen network, was used in Finland. Kohonen thinks that when a neural network accepts
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机的提出有很深的理论背景。 支持向量机方法是在后来提出的