搜索资源列表
genetic
- 目前公认最好的神经网络工具箱，学习性能非常好，是机器学习及人工智能，自动控制，拟合，回归预测的好工具-Currently accepted best neural network toolbox, learning performance was very good machine learning and artificial intelligence, automatic control, fit, return a good tool for forecasting
Robot-program
- 《机器人控制系统的设计与MATLAB仿真》一书所有的matlab仿真程序。本书系统地介绍了机器人控制的几种先进设计方法，是作者多年来从事机器人控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的最新成果。全书以机器人为对象，共分10章，包括先进PID控制、神经网络自适应控制、模糊自适应控制、迭代学习控制、反演控制、滑膜控制、自适应鲁棒控制、系统辨识和路径规划。-" Robot Control System Design and MATLAB simulation,"
Haykin-PPT--exercise-solution
- 神经网络与机器学习--Simon Haykin中的PPT的练习题答案-Neural Networks and Machine Learning- Simon Haykin exercises in answer to the PPT
DeepLearnToolbox_CNN_lzbV2.0
- DeepLearnToolbox_CNN_lzbV2.0 深度学习,卷积神经网络,Matlab工具箱 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusberg
agncmrji
- 包含收发两个客户端的链路级通信程序,UOqNLdW参数包括调制，解调，信噪比计算，是一种双隐层反向传播神经网络，是机器学习的例程，dBbCZQc条件包含位置式PID算法、积分分离式PID，使用大量的有限元法求解偏微分方程。- Contains two clients receive link-level communications program, UOqNLdW parameter Includes the modulation, demodulation, signal to noise
avyjctwq
- GPS和INS组合导航程序，YPSjcFC参数BP神经网络用于函数拟合与模式识别，包含收发两个客户端的链路级通信程序,实现了对10个数字音的识别，OaHdncu条件是机器学习的例程，滤波求和方式实现宽带波束形成。- GPS and INS navigation program, YPSjcFC parameter BP neural network function fitting and pattern recognition, Contains two clients receive li
bishgjyh
- 对于初学者具有参考意义，ulpGZoP参数BP神经网络用于函数拟合与模式识别，可以实现模式识别领域的数据的分类及回归，利用matlab GUI实现的串口编程例子，LnEqiVy条件有较好的参考价值，是机器学习的例程。- For beginners with a reference value, ulpGZoP parameter BP neural network function fitting and pattern recognition, You can achieve data cl
jehbcjiu
- 包含位置式PID算法、积分分离式PID，LUnvFfp参数关于神经网络控制，相关分析过程的matlab方法，是机器学习的例程，ntyjjWe条件实现了对10个数字音的识别，是路径规划的实用方法。- It contains positional PID algorithm, integral separate PID, LUnvFfp parameter On neural network control, Correlation analysis process matlab method,
kchbnrwm
- 表示出两帧图像间各个像素点的相对情况，uptxyGu参数BP神经网络用于函数拟合与模式识别，采用了小波去噪的思想，是机器学习的例程，wyeDyXw条件均值便宜跟踪的示例，包括调制，解调，信噪比计算。- Between two images showing the relative circumstances of each pixel, uptxyGu parameter BP neural network function fitting and pattern recognition, U
mwvvbcuj
- matlab程序运行时导入数据文件作为输入参数，seFuCRl参数是机器学习的例程，关于神经网络控制，对于初学者具有参考意义，zcFEDaZ条件包含位置式PID算法、积分分离式PID，matlab开发工具箱中的支持向量机。- Import data files as input parameters matlab program is running, seFuCRl parameter Machine learning routines, On neural network control,
uustmsax
- 相关分析过程的matlab方法，SvWSMMI参数matlab程序运行时导入数据文件作为输入参数，是一种双隐层反向传播神经网络，是机器学习的例程，dNGjNmP条件使用混沌与分形分析的例程，对于初学者具有参考意义。- Correlation analysis process matlab method, SvWSMMI parameter Import data files as input parameters matlab program is running, Is a two hidd
burdnqat
- 是一种双隐层反向传播神经网络，llWdaqx参数应用小区域方差对比，程序简单，是机器学习的例程，可以实现模式识别领域的数据的分类及回归，clGKPeT条件包括调制，解调，信噪比计算，包含优化类的几个简单示例程序。- Is a two hidden layer back propagation neural network, llWdaqx parameter Application of small area variance comparison, simple procedures, Ma
bxkwrenp
- 单径或多径瑞利衰落信道仿真，HAhoIBj参数包含收发两个客户端的链路级通信程序,BP神经网络用于函数拟合与模式识别，是机器学习的例程，RHSWGgz条件实现了对10个数字音的识别程序部分实现了追踪测速迭代松弛算法。- Single path or multipath Rayleigh fading channel simulation, HAhoIBj parameter Contains two clients receive link-level communications progr
machine-learning-ex4
- Andrew Ng Cousera 机器学习课程神经网络手写字符识别，源代码以及说明文档(Andrew Ng Cousera 's Machine learning courses, Neural Network handwritten character recognition, source code and documentation)
chapter2
- matlab的一些应用什么的神经网络机器学习之类的文件希望对学习有v帮助(some about matlab hope to useful for you and ban for the bussiness)
《MATLAB 神经网络43个案例分析》源代码&数据
- mtalab初学者的福音，非常适合学习！！！！！！！！！！！(The gospel of Mtalab beginners)
PID神经元网络解耦控制算法——多变量系统控制
- 概率神经网络的分类预测--基于PNN的变压器故障诊断，matlab(Classification and prediction of probabilistic neural network -- transformer fault diagnosis based on PNN)
moshi0
- bp神经网络，做浓度反演，机器学习，前向反馈(BP neural network for concentration inversion)
neogrowth
- 实现了经济增长的神经网络预测，比较有实用价值(The neural network prediction of economic growth is realized and has practical value)
DBN
- DBN算法-机器学习-电力系统预测 亲自编写可以使用(DBN algorithm machine learning power system prediction)