搜索资源列表
GA训练神经网络权值
- 利用GA算法训练神经网络权值参数
基于神经网络的手写体文字识别系统
- 这是一款用VC++编写的的手写体文字识别系统。通过对文字图片的训练，从而到达对手写体文字的识别效果。
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。
Matlab实现基于神经网络的文字/字母识别
- 程序运用于MATLAB，实现了神经网络的文字识别，目前是对英文字母，当然对汉字要难些，而且可能会不是特别准确（因为需要训练的样本多了）。
BP神经网络训练示例
- 用于BP神经网络训练的实例，已检查，可很好运行，欢迎下载
BP神经网络非线性系统建模
- 基于BP神经网络的非线性系统函数拟合算法,分为BP神经网络构建,BP神经网络训练和BP神经网络预测.
根据鸢尾花多组数据先训练网络再对样本进行测试
- 基于BP神经网络，根据鸢尾花多组数据先训练网络再对样本进行测试，给出分类结果,Based on BP neural network, in accordance with multiple sets of data iris network before training again for testing classification results are given
BP神经网络训练和测试
- 三个程序，其中包括如何确定隐层节点数，BP神经网络训练和神经网络测试，替换相关数据即可使用。
BP神经网络运动状态分类
- 该程序可以通过训练集对所构建的BP神经网络进行训练，并能通过测试集，即对不同的运动状态进行分类。(The program can train the constructed BP neural network through the training set, and can classify the different motion states through the test set.)
BP神经网络MATLAB实例
- BP神经网络的MATLAB简单实例以及神经网络算法BP网络的训练函数(MATLAB simple example of BP neural network)
RBF神经网络的训练 MATLAB源程序代码
- RBF神经网络的训练 MATLAB源程序代码(RBF neural network training MATLAB source code)
单层神经网络矩阵改进
- 基于Matlab编程，实现人工神经网络对经典三种鸢尾花数据的分类，利用Matlab矩阵运算的优势，对全部样本进行同时训练，具有很好的输出结果(An Artificial Neuron Network which accomplishes classifying three kinds of flower)
神经网络
- 通过对matlab编程实现神经网络的训练和计算，得出需要的网络模型(Through the training and calculation of MATLAB programming neural network, the required network model is obtained)
GA-BP神经网络应用实例之MATLAB程序
- 使用MATLAB编写的GA-BP神经网络，可进行多组数据处理 % gap.xls中存储训练样本的原始输入数据 37组 % gat.xls中存储训练样本的原始输出数据 37组 % p_test.xls中存储测试样本的原始输入数据 12组 % t_test.xls中存储测试样本的原始输出数据 12组(MATLAB implementation of the GA-BP neural network,% gap.xls stored in the training sample of the
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are often encountered. The equations
遗传算法优化BP神经网络——非线性函数拟合
- 遗传算法优化 BP 神经网络分为 BP 神经网络结构确定、遗传算法优化和 BP 神经网络预 测 3 个部分。 BP 神经网络预测用遗传算法得到最优个体对网络初始权值和阔值赋值，网络经训练后预测函数输出。(Genetic algorithm optimization BP neural network is divided into 3 parts: BP neural network structure determination, genetic algorithm optimization
神经网络 训练识别
- 1.先打开一幅图片然后按照顺序灰度化、二值化、灰度拉伸、车牌定位、二值化、倾斜校正、字符分割、训练神经网络、识别字符。 2.测试图像存储在当前目录的img下。 3.测试集、训练集、目标向量均存储在img下的文本文件中。(1. First open a picture and then follow the sequence of grayscale, binary, grayscale stretching, license plate positioning, binarization, ti
ann数字识别
- 首先训练一组文字，然后进行识别，识别准确率较高，比较容易上手的代码(First, train a set of words and then identify them)
神经网络
- 基于matlab平台的神经网络算法分析，显示未经训练以及训练之后的曲线图。可通过修改函数定义更换算法。(Neural network algorithm analysis based on MATLAB platform, showing the training and training after the curve. The replacement algorithm can be defined by modifying the function.)
神经网络判断任务完成率
- 用神经网络，通过训练和验证，形成判断任务完成率的算法(By training and validating the neural network, an algorithm for judging the completion rate of tasks is formed)