共轭梯度的BP算法.rar共轭梯度的BP算法.rar共轭梯度的BP算法.rar共轭梯度的BP算法.rar共轭梯度的BP算法.rar共轭梯度的BP算法.rar共轭梯度的BP算法.rar

张德丰 (2010). "MATLAB神经网络应用设计." 只有代码 "目 录 前言 第1章 神经网络概述 1 1.1 神经网络的基本概念 1 1.1.1 生物神经元的结构与功能特点 1 1.1.2 人工神经元模型 1 1.1.3 神经网络的结构及工作方式 3 1.1.4 神经网络的学习 4 1.2 神经网络的发展和应用 7 1.2.1 神经网络的发展 7 1.2.2 神经网络的研究内容 8 1.2.3 神经网络的应用 8 1.3 神经网络的特点 8 1.4 MATLAB语言及入门 9 1.4

共轭梯度BP算法在Matlab+70中的实现

人工神经网络和遗传算法都是将生物学原理应用于计算机科学的仿生学理论成果。由于它们具有极强的解决问题的能力，近年来引起了众多学者的兴趣与参与，已成为学术界跨学科的热门专题之一。 在人工神经网络的实际应用中，约90％的人工神经网络模型都是采用BP网络或者是它的变化形式，它也是前馈网络的核心部分，BP网络广泛应用于函数逼近、模式识别／分类、数据压缩等。现已成为人工智能研究的重要领域之一。然而，由于BP算法是一种梯度下降搜索方法，因而不可避免地存在固有的不足，如收敛速度慢、易陷入误差函数的局部极小点，

多层感知器是一种多层前馈神经网络 ,常用的快速训练算法有共轭梯度法、拟牛顿法。通 过模式分类实验对这两种算法和 BP算法进行比较 ,并由试验数据得出这几种算法的复杂性、可靠 性 ,以及由算法产生的多层感知器的泛化能力。