搜索资源列表
suijitu.rar
- 在matlab中，生成复杂网络的随机图的两种策略,In matlab, the generation of random graph complex network of two strategies
small-world-matlab
- 这个是关于小世界平均路径长度，还有度和随机网络比值变化的仿真程序，使用matlab程序编写，希望对大家有用-This is the average path length on the small world, as well as the ratio of change in the degree and random network simulation program, using matlab programming, we hope to be useful
ER-SW-BA
- 此程序是关于随机图、小世界网络、无标度网络的仿真程序，很有用的-This program is about the random graph, small world network, scale-free network simulation program, very useful
BA_net
- 随机网络生成代码，matlab编写。可以实现基本的随机网络的生成-random network
NetCreate
- MATLAB源码 随机网络拓扑的生成源码 只有源文件 下下来自己运行-MATLAB source code source generation of random network topology only under the source file to run down their
complexnetwork
- 复杂网络中有一些常见的基本模型，如随机图，WS小世界网络，NW小世界网络及BA无标度网络等，本程序从这些网络的产生机理，生成了这些复杂网络模型，并且分析了其基本性质如平均路径长度，聚类系数及度分布等。-Complex networks have some common basic model, such as random graph, WS small-world networks, NW small-world networks and scale-free BA network, the
waxtop
- 使用Waxmans算法产生一个随机网络-generate a random network by the well-known Waxmans algorithm
matlab
- 【1】随机序列产生程序 【2】白噪声产生程序 【3】M序列产生程序 【4】二阶系统一次性完成最小二乘辨识程序 【5】实际压力系统的最小二乘辨识程序 【6】递推的最小二乘辨识程序 【7】增广的最小二乘辨识程序 【8】梯度校正的最小二乘辨识程序 【9】递推的极大似然辨识程序 【10】Bayes辨识程序 【11】改进的神经网络MBP算法对噪声系统辨识程序 【12】多维非线性函数辨识程序的Matlab程序 【13】模糊神经网络解耦M
randomgraph
- 随机网络的仿真计算，用Matlab来实现的源代码。-Stochastic network simulation, using Matlab to implement the source code.
random_networks
- 随机网络matlab程序，模拟复杂网络的生成及统计-complex random network
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
1
- Matlab中随机神经网络使用教程，很详细的资料，有对具体实例的讲解，对初学者很有用(Matlab random neural network tutorial, very detailed information, there are specific examples of the explanation, useful for beginners)
复杂网络中基本网络模型的matlab实现
- 复杂网络的matlab实现，得到不同规模的BA无标度网络、WS小世界网络、随机网络、规则网络的拓扑图。还有各类型的拓扑度分布、聚集系数、平均最短路径等静态特性的实现。(Matlab implementation of complex networks, BA scale networks of different sizes, WS small world networks, random networks and regular networks are obtained. There are
rbf
- 自己编写RBF神经网络程序，RBF神经网络隐层采用标准Gaussian径向基函数，输出层采用线性激活函数，其中数据中心、扩展常数和输出权值均用梯度法求解，它们的学习率均为0.001。其中隐节点数选为10，初始输出权值取[-0.1，0.1]内的随机值，初始数据中心取[-1，1]内的随机值，初始扩展常数取[0.1，0.3]内的随机值，输入采用[0 1]的随机阶跃输入(Write your own RBF neural network, RBF neural network hidden layer
Matlab-RandomLinearNetworkCoding-master
- 用Matlab仿真RLNC，网络运行RLNC.m。网络的源节点发送一个windows.png采用随机线性网络编码和信宿节点创建一个图像（资料图片）接收的数据。 如果windows.png和data.jpg是相同的则RLNC运行成功(Thesis of network simulation with Matlab using RLNC,the source node of network send a windows.png using Random Linear Network Coding
第10章 随机神经网络
- 随机神经网络 Matlab实例+源代码，随机神经网络(Random neural network Matlab example + source code)
DropOut深度网络
- 深度神经网络在测试时面对如此大的网络是很难克服过拟合问题的。 Dropout能够很好地解决这个问题。通过阻止特征检测器的共同作用来提高神经网络的性能。这种方法的关键步骤在于训练时随机丢失网络的节点单元包括与之连接的网络权值。在训练的时候，Dropout方法可以使得网络变得更为简单紧凑。在测试阶段，通过Dropout训练得到的网络能够更准确地预测网络的输出。这种方式有效的减少了网络的过拟合问题，并且比其他正则化的方法有了更明显的提升。 本文通过一个简单的实验来比较使用Dropout方法前后网络
MATLAB神经网络
- MATLAB快速入门，单层感知器，线性神经网络，BP神经网络，反馈神经网络，随机神经网络，GUI设计神经网络等等(MATLAB quick start, single layer perceptron, linear neural network, BP neural network, feedback neural network, stochastic neural network, GUI design neural network and so on.)
随机网络
- 随机网络基于MATLAB的仿真实验，以及随机网络的攻击仿真
随机网络的生成
- 复杂网络的随机网络的生成，用MATLAB实现(Complex network of random network generation, with MATLAB)