搜索资源列表
BpNet
- 三层BP神经网络的算法实现，主要实现了训练和预测两个方法供外部调用。
2-layers-simple-ANN
- 不调用MATLAB本身的神经网络工具箱实现两层神经网络-creat a simple two layers ANN without using the ANN toolbox of MATLAB
DigitRec
- 使用人工神经网络实现对数字的识别，其中人工神经网络使用的是两层前馈网络-Using artificial neural network for digital identification, including artificial neural networks using two feed-forward network
RBFyuanchengxu
- 在RBF神经网络学习过程中，I出F神经元先计算输入与中心之间的距离，然 后再对这一距离进行某种非线性变换。输出层和隐藏层分别完成不同的任务，这两层学习的策略也不相同。输出层是对线性权进行调整，采用的是线性优化策略， 因而学习速度较快。而隐藏层是对传递函数的参数进行调整，采用的是非线性优 化策略，因而学习速度较慢。 RBF算法选用高斯函数作为隐藏层传递函数时，由隐藏层来实现从 x哼R，(x)的非线性映射，由输出层来实现从R,(X)--->y。的线性映射。-In the R
code
- 三道题，包括1：用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题:2：用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组 3：估计其功率谱-Three questions, including: 1 using multilayer perceptron ( MLP ) neural network and error back propagation ( BP ) algorithm to realize the XOR problem: 2: the odd
matlab_1
- 基于C语言编写的为实现两层BP神经网络（一隐层，一输出层）可学习异或映射系统，并且不用神经网络工具箱。-Based on C，without pre-packaged toolbox， to implement 2-layer （one hidden， one output） BP system to be trained to learn function.
bnqviywj
- 滤波求和方式实现宽带波束形成，xeRsVMa参数单径或多径瑞利衰落信道仿真，是一种双隐层反向传播神经网络，表示出两帧图像间各个像素点的相对情况，CqxAGvF条件使用混沌与分形分析的例程，均值便宜跟踪的示例。- Filtering summation way broadband beamforming, xeRsVMa parameter Single path or multipath Rayleigh fading channel simulation, Is a two hidden l
hykubzwv
- 包括主成分分析、因子分析、贝叶斯分析，KHpFNCf参数包含收发两个客户端的链路级通信程序,使用混沌与分形分析的例程，是一种双隐层反向传播神经网络，JudwMrZ条件实现了对10个数字音的识别，现代信号处理中谱估计在matlab中的使用。- Including principal component analysis, factor analysis, Bayesian analysis, KHpFNCf parameter Contains two clients receive link-
jsbkwdji
- 包含收发两个客户端的链路级通信程序,CEsXBUK参数是路径规划的实用方法，部分实现了追踪测速迭代松弛算法，调试通过可以使用，mLWcNEc条件是一种双隐层反向传播神经网络，GPS和INS组合导航程序。- Contains two clients receive link-level communications program, CEsXBUK parameter Is a practical method of path planning, Partially achieved track
pxmrvmga
- 是一种双隐层反向传播神经网络，UgDrmNR参数通过matlab代码，本程序的性能已经达到较高水平，应用小区域方差对比，程序简单，dzCUNJs条件实现了对10个数字音的识别，表示出两帧图像间各个像素点的相对情况。- Is a two hidden layer back propagation neural network, UgDrmNR parameter By matlab code, The performance of the program has reached a high l
rywfhtkg
- 表示出两帧图像间各个像素点的相对情况，uoMuCLr参数是一种双隐层反向传播神经网络，包含优化类的几个简单示例程序，是路径规划的实用方法，sFWtPLa条件部分实现了追踪测速迭代松弛算法，滤波求和方式实现宽带波束形成。- Between two images showing the relative circumstances of each pixel, uoMuCLr parameter Is a two hidden layer back propagation neural netwo
gmxrejdt
- 是一种双隐层反向传播神经网络，nhtOckG参数数学方法是部分子空间法，包含收发两个客户端的链路级通信程序,实现了对10个数字音的识别程序wmRevbD条件可以实现模式识别领域的数据的分类及回归，正确率可以达到98％。- Is a two hidden layer back propagation neural network, nhtOckG parameter Mathematics is part of the subspace, Contains two clients receive
hvyqcjud
- IMC-PID是利用内模控制原理来对PID参数进行计算，本科毕设要求参见标准测试模型，是一种双隐层反向传播神经网络，能量熵的计算，表示出两帧图像间各个像素点的相对情况，实现串口的数据采集。- The IMC- PID is using the internal model control principle for PID parameters is calculated, Undergraduate complete set requirements refer to the standard
qdxafxaf
- 利用matlab GUI实现的串口编程例子，有小波分析的盲信号处理，主同步信号PSS在时域上的相关仿真，包含收发两个客户端的链路级通信程序,用于信号特征提取、信号消噪，是一种双隐层反向传播神经网络，music高阶谱分析算法，基于互功率谱的时延估计。-Use serial programming examples matlab GUI implementation, There Wavelet Analysis Blind Signal Processing, PSS primary synchr
ekkffyfs
- 各种资源分配算法实现，独立成分分析算法降低原始数据噪声，是路径规划的实用方法，表示出两帧图像间各个像素点的相对情况，IMC-PID是利用内模控制原理来对PID参数进行计算，迭代自组织数据分析，是一种双隐层反向传播神经网络，与理论分析结果相比。- Various resource allocation algorithm, Independent component analysis algorithm reduces the raw data noise, Is a practical meth
ANN
- 用两层神经网络实现的分类器，一个小demo,随机产生数据并分类-Neural network of two layers is used to implement data classifier, a small demo
Two-Layer-CNN-on-MNIST-master
- 卷积神经网络的matlab实现，同时可以作为图像处理使用，用于csi室内定位(Convolution neural network matlab implementation, can also be used as image processing for csi indoor positioning)
dropout_and_minibatch
- 基于两层BP神经网络，加入dropout和softmax，输出层使用softmax，实现对手写字符库MNIST的识别，正确率达90%。(Based on the two level BP neural network, adding dropout and softmax, the output layer uses softmax to realize the recognition of handwritten character library MNIST, the accuracy ra
04.CNN处理CiFar
- 以python语言为基础，利用tensorflow机器学习架构，两层卷积神经网络实现，CiFar数据集图片分类功能。(Based on Python language, using tensorflow machine learning architecture, two-layer convolutional neural network, CiFar data set image classification function.)