搜索资源列表
soursecode-for-matrix
- 自行用训练样本训练网络，不过要特别注意训练样本的选择-training samples used to train the network, but special attention should be paid to the choice of training samples
adapterSystemPaper
- 论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种不同学习算法加以改进,在手写全数字识别上对分类器进行了实现,
IntrusionDetectionBasedonDataMining
- 传统的入侵检测系统在网络上存在自适应差、缺乏扩展性、数据过载等问题，而基于数据挖掘的入侵检测技术通过数据挖掘的方法，自动地从训练数据中提取出入侵检测的知识和模式，很好地解决了传统入侵检测系统中存在的问题。本文提出了一种基于数据挖掘的入侵检测系统模型，分析了几种入侵检测技术的数据挖掘方法。
基于局部泛化误差界的RBF网络训练方法研究
- 基于局部泛化误差界的RBF网络训练方法研究
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
MATLABFNN
- 这是一个模糊神经网络的训练程序，希望能从中作出改进。
Matlab神经网络工具箱函数2010
- 介绍了Matlab下神经网络的创建，训练等实用型函数的使用参数说明
基于RBD的民航客运预测及MATLAB的实现
- ：基于统计学原理的传统的民航客运量预测方法难以预测动态数据的内在结构和复杂特 性。为了提高民航客运量预测的准确性，利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性，选用RBF 神经网络为模型并利用MATLAB 编程实现了对民航客运量的准确预测。本文介绍了RBF 神经网络MATLAB 的相关知识，并以民航客运量的1978 年至2007 年的实际数据为例进行RBF 神经网络的训练与测试，实验结果表明，将RBF神经网络与MATLAB 结合运用在民航客运量预测中具有可行性，预测精度更高
基于RBF神经网络的CPI预测
- 采用RBF神经网络的结构、特性和训练算法，根据CPI(消费者物价指数)与其影响因素之间存在的映射关系，应用神经 网络建立了多因素非线性时间序列预测模型。最后通过仿真实验和研究，把RBF神经网络与传统的BP网络预测结果进行比较，结果证明，该模型的预测精确度更高，结果令人满意。
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
自组织神经网络在文本分类中的应用研究
- 针对信息挖掘中的文本自动分类问题 提出了一种基于自组织特征映射网络的分类方法 网络由输入层和 竞争层组成 输入层节点与竞争层节点实行全互连接 输入层完成分类样本的输入 竞争层提取输入样本所隐含的 模式特征 并对其进行自组织 在竞争层将分类结果表现出来 分无监督和有监督两个阶段完成对网络的分类训练 该方法在特征提取时充分考虑了特征项在文档中的位置信息 构造出模糊特征向量 使自动分类原则更接近手工分 类方法 以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性
PSOBPlunwen
- 基于PSO的BP训练算法论文：在BP训练算法中，关于变权值、学习速率、步长的问题已被广泛地研究，几种基于启发式改进的技术也表明具有改善训练时间以及避免陷入局部最小的明显效果。这里BP训练过程由基于PSO同时优化log—Sigmoid函数与网络权值的新算 法(PSO。GainBP)实现。实验结果表明，PSO—GainBP比传统基于PSO的BP算法在网络训练方面具有更好的性能。-PSO based on the BP training algorithm Papers: In the BP tr
neuralandwavelet
- 对采集到的电压信号进行小波包分解提取特征向量，再进行BP神经网络训练-On the acquisition of the voltage signal to the wavelet packet decomposition to extract feature vector and then BP neural network training
hdj
- 针对基于内容的网络信息过滤中存在的特征维数过高影响分类过滤效果问题,运用遗传算法进行特征 选择,通过遗传操作搜索最优解。并且引入个体寿命概念用于实施种群更新,同时根据种群进化情况动态调整遗传操作算子,从而解决遗传算法训练过程中种群以及操作算子的单一性带来局部最优问题
b-
- 人工神经网络\神经网络的程序和训练数据 股票预测-Artificial Neural Networks \ neural network stock prediction programs and training data
BPnet
- 反向传播网络(Back-Propagation Network，简称BP网络)是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络 -Back Propagation Network (Back-Propagation Network, referred to as BP networks) is to learn the rules WH generalized, non-linear differentiable function on weight training m
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
cnn
- 模拟CNN训练网络的程序，需要运行主函数测试。(A program for simulating CNN training networks)
深度卷积神经网络
- 作为类脑计算领域的一个重要研究成果，深度卷积神经网络已经广泛应用到计算机视觉、自然语言处理、信息检索、语音识别、语义理解等多个领域，在工业界和学术界掀起了神经网络研究的浪潮，促进了人工智能的发展。卷积神经网络直接以原始数据作为输入，从大量训练数据中自动学习特征的表示。(As the important research achievement, deep convolutional neural networks have been widely applied to various fiel
粒子群优化算法
- 粒子群优化（PSO）是一种进化计算技术（进化计算）。 捕食鸟行为的研究。粒子群算法（PSO）的基本思想是通过群体中个体之间的协作和信息共享找到最优解。 粒子群优化算法的优点是它简单且易于实现，没有多个参数。目前，它已广泛应用于函数优化、神经网络训练、模糊系统控制等遗传算法中。(The particle swarm optimization (PSO:Particle swarm optimization) is an evolutionary computing technology (Ev