搜索资源列表
BackProp算法源程序
- 开发环境:C语言 简要说明:BackProp算法：BP网络是反向传播(Back Propagation)网络。它是一种多层前向网络，采用最小均方差学习方式。这是一种最广泛应用的网络。它可用于语言综合，识别和自适应控制等用途。BP网络需有教师训练。 -development environments : C language Brief Descr iption : BackProp algorithm : BP is the back-propagation network (Back
fmap1
- matlab编写的训练som自组织特征映射神经网络的源代码。-Matlab prepared by the training som self-organizing feature map neural network source.
Volterrra_luzhenbo4
- 更新部分 1、自适应算法采用参考文献[2]的NLMS算法，收敛速度更快，所需训练次数更少。 2、自适应收敛步长在(0,2)之间存在较优取值，Lorenz序列为0.6。-update an adaptive algorithm reference [2] NLMS algorithm, convergence faster, less the number of required training. 2, adaptive step in the convergence of (0,2)
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
几种语音识别算法的比较
- 几种小训练样品集的数字语音识别模型的比较性研究
国信长天杯竞赛初赛训练及竞赛所用套件CT107D自写代码
- 国信长天杯竞赛初赛训练及竞赛所用套件CT107D自写代码-some works from preparing guo xin chang tian
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
adaptivefir
- 自适应滤波器。自适应滤波器为11个权系数的FIR结构。（1）不同的方差σ2（2）LMS算法画出一次实验的误差平方收敛曲线，训练长度为500，给出滤波器系数；进行20次独立实验，给出平均收敛曲线。不同步长值的比较。（3）RLS算法，LMS和RLS算法的比较 -Adaptive filter. Adaptive filter weights for 11 of the FIR structure. (1) different variance σ2 (2) LMS algorithm for a
AdaptiveequalizerofLMSalgorithmanditssimulation.ra
- 自适应均衡器的LMS算法实现及其仿真 :自适应均衡器已广泛应用于通信、雷达、声纳、控制和生物医学工程等许多领域,为克服多径衰落和信道失真 引起的码间干扰,实时跟踪移动通信信道的时变特性,笔者设计了一个基于LMS 算法的自适应线性均衡器,并通过改变步 长因子Δ来分析其收敛速度和均方误差特性.-Adaptive equalizer of LMS algorithm and its simulation
Video_semantic
- 本文提出了多个基于半监督学习的自动视频标注方法。通过对几种常见的半监督学习方法，如自训练、互训练以及Co一EM等方法的分析，针对它们(主要是自训练和互训练方法)在视频标注应用中的局限，在提高分类的准确性和模型更新等方面做了深入研究，提出了相应的改进措施。 -This paper presents a number of semi-supervised learning-based automatic video annotation methods. Through several comm
shenjingwangluo
- 运用自组织竞争网络来完成岩石性质的识别，以此为背景，训练神经网络，并进行分类。-The use of self-organizing nature of competition in the network to complete the identification of rock, as a background, training neural networks and classification.
duotezhengzishiyingyuzhi
- 该程序实现多特征自适应阈值算法，两个matlab文件，一个为函数，该函数求出信号的特征量值并通过梯度下降法训练出其初始阈值，另一个为主函数，调用该函数文件；该程序将4路信号，每一路信号的特征量值及其自适应阈值求出来，并一起画出图来。-The program features multi-adaptive threshold algorithm, two matlab files, one for the function,the function seek out characteristics
Algorithms_Comm_Systems
- 非常全面详实的讲述了通信领域的算法与应用！从各章节题目可以看出，包括了比如维纳滤波，线性预测，自适应滤波，调制理论，信道均衡，OFDM，扩频系统，信道编码，TCM，同步，预编码，自训练均衡，干扰消除等等。-The motivation for this book is twofold. On the one hand, we provide a didactic tool to students of communications systems. On the other hand, we p
栈式自编码器相关程序
- 使用栈式自编码器实现光学图像的自动识别，程序完整，程序中已经包括训练和测试使用的样本，程序运行结果良好，适合进行机器学习的同行进行学习和研究。(Use the stack automatic recognition, optical image encoder to achieve self program integrity, training and testing samples have been used including program, program operation res
Sparse-Autoencoder-Tensorflow-master
- 稀疏自编码结构，用一个训练样例。。。。。。(sparse autoencoder sample)
DNRBM
- 采用栈式 RBM 的深度神经网络。自训练, 自控制(This paper is a continuation of the depth of the neural network and the choice of the previous predictor. Here we will be covered by the depth of the neural network characteristic of stacked RBM initialization, and it is in
encode-xunlian(1)r
- 从给定的很多张自然图片中截取出大小为8*8的小patches图片共10000张，现在需要用sparse autoencoder的方法训练出一个隐含层网络所学习到的特征。该网络共有3层，输入层是64个节点，隐含层是25个节点，输出层当然也是64个节点了。这里只是上传了训练的部分代码，后续继续(A total of 10000 small patches pictures with size 8*8 are extracted from a lot of natural pictures. Now
语言训练模型
- 贝叶斯语言训练模型，自带训练集进行实验，python代码
MaCA-master
- 中国电子科技集团公司认知与智能技术重点实验室发布的MaCA（Multi-agent Combat Arena）环境，是国内首个可模拟军事作战的轻量级多智能体对抗与训练平台，是多智能体对抗算法研究、训练、测试和评估的绝佳环境，可支持作战场景和规模自定义，智能体数量和种类自定义，智能体特征和属性自定义，支持智能体行为回报规则和回报值自定义等。(MaCA (multi agent combat) issued by the Key Laboratory of cognitive and intelli
降噪自编码
- 训练降噪自编码，运用降噪自编码器完成数据的特征提取和分类，可应用于图像识别。(examinationTraining noise reduction self coding, using noise reduction self coding to complete data feature extraction and classification, can be applied to image recognition.)