搜索资源列表
基于神经网络的数字字符识别
- 基于BP神经网络的字符识别系统~用MATLAB编写`包括论文~以及代码~适合于毕业设计-BP neural network-based character recognition system using MATLAB ~ `~ including papers and code ~ suitable for graduate design 字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的
BP神经网络代码
- BP神经网络MATLAB、C、C++源代码
关于bp神经网络
- 关于bp神经网络的
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，
标准BP神经网络算法程序
- 神经网络一般程序
基于BP神经网络的数字识别研究
- 基于BP神经网络的数字识别研究论文
基于BP神经网络的图像分类
- 基于BP神经网络的图像分类
神经网络
- 基于BP神经网络的遥感图像处理
MATLAB的BP人工神经网络设计
- MATLAB的BP人工神经网络设计
bp
- 利用bp神经网络对遥感图像进行分类，输入样本值后，根据样本值对遥感图像不同的地物进行分类，分类后计算每种地物所占面积-The use of bp neural network classification of remote sensing images, enter a sample value, based on the sample value of the different features of remote sensing image classification, classif
小波神经网络与BP网络的比较研究及应用
- 这是一篇硕士论文,关于小波神经网络和BP神经网络的比较,有详细的算法比较-This is a master' s thesis on wavelet neural network and BP neural network compared with the algorithm in detail
NeuralNetwork_BP
- BP神经网络用于分类与回归的matlab源码 注释很详细-1、NeuralNetwork_BP_Classification.m- 分类 2、NeuralNetwork_BP_Regression.m- 回归
BP神经网络算法的C语言实现代码
- 用C语言编程，进行bp神经网络算法程序实现(BP neural network algorithm, program implementation)
Ryan_GA_BP
- 实现了基于遗传算法GA优化的BP神经网络，遗传代数为100代(BP neural network based on GA optimization)
BP神经网络
- prediction of digital
BP神经网络车牌识别源码
- matlab下基于BP神经网络源码车牌识别，附带解释，方便理解。(BP neural network source code license plate recognition)
基于神经网络和粒子群
- 用BP神经网络和粒子群算法的优化，主要针对的是函数最大值和最小值的寻找。
6退火遗传算法优化BP神经网络的研究
- 退火算法优化BP神经网络的研究，介绍了一种新的方法(Annealing algorithm to optimize BP neural network)
bp神经网络，小波变化
- 小波变换提取特征信号用bp神经网络进行故障诊断(Bp neural network is used for fault diagnosis of feature signal extracted by wavelet transform)