注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Matlab神经网络工具箱应用简介

  2. 主要描述MATLAB6.5中神经网络工具箱的使用，介绍神经网络的基本知识 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2009-06-02
    • 文件大小：30kb
    • 提供者：liuzhenpolestar

  1. ACE中文学习资料 集合多种并行网络开发模式 主动模式 半反应器模式

  2. 这里面是ACE并行网络开发模式的全集，格式为CHM，方便阅读。对开发网络应用程序有很强的参考性。

  3. 所属分类：网络基础

    • 发布日期：2009-06-19
    • 文件大小：5mb
    • 提供者：testing2007

  1. 【PDF】Matlab神经网络工具箱应用简介

  2. 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2009-08-12
    • 文件大小：266kb
    • 提供者：fzq_202

  1. matlab神经网络工具箱使用说明

  2. matlab神经网络工具箱说明 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2010-05-15
    • 文件大小：266kb
    • 提供者：lxh5815

  1. 计算机网络基础知识（打包下载）

  2. 拥塞管理和排队、计算机网络的划分、分层的模式、网络性能指标、TCP/IP、带通调制方法、解释名词： 数据、信号、模拟数据、模拟信号、基带信号,带通信号,数字数据、数字信号、码元,单工通 信、半双工通信、全双工通信,URL、DNS、串行传输,并行传输、网 络元素、被管对象、管理进程、代理进程和管理信息库、CSMA/CD协议要点、循环冗余检验CRC校 检过程、分组转发算法、WFQ(weighted fair queuing加权公平排队)、CBWFQ

  3. 所属分类：网络基础

    • 发布日期：2010-06-05
    • 文件大小：80kb
    • 提供者：cqoct1003

  1. 基于模式迁移策略的并行遗传算法论文

  2. 并行遗传算法的说明~ 　通过分析影响并行遗传算法算法性能的诸多因素,以降低通信代价为问题的突破口,提出一种基于模式 定理的迁移策略SMS. SMS 迁移策略借鉴网络信息传输机制,通过模式识别压缩提取出子种群中的优质遗传信息, 再将这一遗传信息在另一子种群中按比例传播. 文中首先依据模式定理对模式迁移策略的算法有效性进行了探 讨,然后从理论角度给出了采用模式迁移策略后通信量降低的形式化度量,最后分析了由此带来的算法可扩展性 的提高.

  3. 所属分类：其它

    • 发布日期：2010-06-18
    • 文件大小：374kb
    • 提供者：cptiantang

  1. 面向模式的软件架构 卷二 并行和网络

  2. 面向模式的软件架构 卷二 Volume 2 Patterns for Concurrent and Networked Objects， 经典，看起来有一定难度

  3. 所属分类：网络基础

    • 发布日期：2010-08-01
    • 文件大小：3mb
    • 提供者：jeanva

  1. Matlab神经网络工具箱应用简介

  2. 第一章 介绍 1．神经网络 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2010-08-19
    • 文件大小：266kb
    • 提供者：xeniayangfan

  1. 人工神经网络应用系统体系

  2. 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 　　神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： 　　（1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 　　（2）建立理论模型。根据生物原型的研究

  3. 所属分类：网络基础

    • 发布日期：2010-09-26
    • 文件大小：293kb
    • 提供者：hs3712993

  1. 神经网络导论课件及习题

  2. 　神经网络是： 　　思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 　　逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用

  3. 所属分类：网络基础

    • 发布日期：2010-12-11
    • 文件大小：3mb
    • 提供者：yitati

  1. 高性能并行计算.pdf

  2. 目录 第一部分并行计算基础3 第一章预备知识5 x1.1 并行计算的目标和内容. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 x1.2 并行计算机发展历程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 x1.2.1 计算机系统发展简史. . . . . . . . . . . . . . . . . . . . . . . . . . 6 x1.2.2 并

  3. 所属分类：其它

    • 发布日期：2011-04-14
    • 文件大小：1mb
    • 提供者：tangkaichina

  1. 入侵检测中模式匹配算法的FPGA实现

  2. 摘 要：基于软件实现的入侵检测技术在高速网应用中容易引起瓶颈，根据入侵检测的应用特点， 提出了一种关键字长度可变、内容可重置的并行模式匹配硬件实现方法，详细论述了用FPGA 设 计实现了这种方法的技术途径，通过一个设计实例仿真分析表明，这种硬件模式匹配技术设计灵活 方便，匹配速度快，资源利用率较高，在高速网络应用领域具有较高的实用价值。 关键词：入侵检测；模式匹配；并行算法；硬件技术；FPGA 中图分类号：TP311.5 文献标识码：A 文章编号：1004-731X (2007) 14-321

  3. 所属分类：网络安全

    • 发布日期：2011-05-05
    • 文件大小：395kb
    • 提供者：qunshan1980

  1. 基于BP神经网络的汽车牌照识别

  2. 人工神经网络模式识别方法是近些年提出的新方法，为字符识别研究提供了一种新手段，它具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理能力和自学习能力。因而，采用神经网络识别方式是一种很好的选择。

  3. 所属分类：交通

    • 发布日期：2011-05-31
    • 文件大小：287kb
    • 提供者：elevenbox

  1. 人工神经网络讲稿.ppt

  2. 人工神经网络研究是采用自下而上的方法，从脑的神经系统结构出发来研究脑的功能，研究大量简单的神经元的集团信息处理能力及其动态行为。目前，神经网络的研究使得对多年来困扰计算机科学和符号处理的一些难题可以得到比较令人满意的解答，特别是对那些时空信息存贮及并行搜索、自组织联想记亿、时空数据统计描述的自组织以及从一些相互关联的活 动中自动获取知识等一般性问题的求解，更显示出独特的能力。由此引起了智能研究者们的广泛关注，并普遍认为神经网络方法适合于低层次的模式处理。

  3. 所属分类：网络管理

    • 发布日期：2011-07-14
    • 文件大小：257kb
    • 提供者：tangyy11

  1. 清华大学计算机系网络课程

  2. 清华大学计算机系网络课程 里面包含 C++语言程序设计 JAVA编程语言 MPI并行程序设计 编程原理 并行计算 多媒体计算机技术基础及应用 工程数据库设计与应用 汇编语言程序设计 计算机图形学 计算机网络体系结构 计算机系统结构 计算机原理 计算机组成与结构 宽带网络交换技术 离散数字 模式识别 人工智能导论 人工智能原理 软件工程 数据结构 数据库系统概论 数据库系统及应用 数值分析 数字系统设计自动化 微型计算机技术 信号处理原理 虚拟现实与系统仿真 组合数学 共11.76GB 是计算机

  3. 所属分类：专业指导

    • 发布日期：2011-09-01
    • 文件大小：285kb
    • 提供者：a305249606

  1. Fourinone分布式并行计算四合一框架

  2. 　　Fourinone(中文名字“四不像”)是一个四合一分布式计算框架，在写这个框架之前，我对分布式计算进行了长时间的思考，也看了老外写的其他开源框架,当我们把复杂的hadoop当作一门学科学习时，似乎忘记了我们想解决问题的初衷：我们仅仅是想写个程序把几台甚至更多的机器一起用起来计算，把更多的cpu和内存利用上，来解决我们数量大和计算复杂的问题，当然这个过程中要考虑到分布式的协同和故障处理。如果仅仅是为了实现这个简单的初衷，为什么一切会那么复杂，我觉的自己可以写一个更简单的东西，它不需要过度设

  3. 所属分类：Web开发

    • 发布日期：2012-06-12
    • 文件大小：389kb
    • 提供者：wwwgg265net2

  1. 基于神经网络的系统辨识方法研究

  2. 人工神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼 近任意非线性函数的特点，在模式识别、系统辨识、控制等领域都得到了广泛的 应用。本文就神经网络在模式识别与系统辨识方面的应用展开研究，提出了几种 较新的系统模型辨识和模型参数辨识方法。

  3. 所属分类：专业指导

    • 发布日期：2012-11-27
    • 文件大小：2mb
    • 提供者：celebrate0310

  1. 清华大学计算机系网络课程31门全集迅雷种子

  2. 清华大学计算机系网络课程31门全集迅雷种子 文件大小:23.5 GB 清华大学计算机系网络课程列表 序号　课程名称　主讲教师　教学对象　学时 GD_jsj_001b　微型计算机技术　赵雁南（教授）　本科生　48 GD_jsj_002b　数据结构　严蔚敏（教授）　本科生　64 GD_jsj_003b　人工智能导论　马少平（教授）　本科生　32 GD_jsj_004b　信号处理原理　徐明星（博士）　本科生　48 GD_jsj_005b　多媒体计算机技术基础及应用　钟玉琢（教授）　本科生　48 GD

  3. 所属分类：C/C++

    • 发布日期：2013-05-05
    • 文件大小：302kb
    • 提供者：chenzhao064

  1. 网络工程师考纲

  2. 第 1 章 计算机网络概论 1 、计算机网络是指由通信线路互相连接的许多自主工作的接收机构成的集合体。组成元素 可分为网络节点和通信链路。接收机网络包括资源子网和通信子网。 2 、常见的拓扑结构有全连接型（理想的） 、树型、不规则型（广域网常见） 、星型、环型、 总线型（局域网常见） 。网络可分为局域网（ LAN ） 、城域网（ MAN ） 、广域网（ WAN ） 。 3 、 OSI/RM 协议包括： （ 1 ）应用层：最高层，直接为端用户服务，提供分布式处理环境； （ 2 ）表示层：提供一个

  3. 所属分类：网络管理

    • 发布日期：2013-08-17
    • 文件大小：103kb
    • 提供者：u011720249

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：268kb
    • 提供者：suiyu_eran
« 12 3 4 5 6 7 8 9 10 ... 15 »