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. 3层bp神经网络实现

  2. 该算法简单的描述了三层bp神经网络的模拟过程

  3. 所属分类：网络基础

    • 发布日期：2009-10-22
    • 文件大小：687kb
    • 提供者：fengzi0503

  1. 神经网络感知器（原理及matlab程序）

  2. 1、应用单层感知器做的一个简单的分类 2、单层单输出感知器解决一个简单的分类问题 3、单层单输出感知器实现“或”功能 4、单层双输出感知器实现多个神经元的分类 5、多层感知器完成异或功能

  3. 所属分类：网络基础

    • 发布日期：2009-11-11
    • 文件大小：1mb
    • 提供者：appe1943

  1. 37篇论文系刘鹏教授的研究生龚传消化整理

  2. 1、 Atmosphere-Ocean Climate (性能测试) 这篇文章讨论了高性能标准测试应用程序在亚马逊EC2云计算系统中的性能。经过测试发现EC2云计算系统是一个可靠的解决方案，支持按需响应，小规模，高性能计算应用程序。 2、 Chukwa: A large-scale monitoring system Chukwa是建立在Hadoop上的数据收集系统，用以监控和分析大规模的分布式系统。本文介绍了他的设计和初步实施。 3、 Cloud Computing and Grid Com

  3. 所属分类：专业指导

    • 发布日期：2012-05-20
    • 文件大小：9mb
    • 提供者：gongxq0124

  1. 【matlab】基于BP算法和遗传算法的自适应噪声抵消器

  2. 一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。 从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。在数字信号采集、处理中

  3. 所属分类：硬件开发

    • 发布日期：2012-12-30
    • 文件大小：2kb
    • 提供者：mmfile

  1. 神经网络算法

  2. 这是模式分类中的课程代码， 其中包含所有的模式分类算法的实现实验， 程序时用matlab写的，代码质量较高，对学习模式分类 模式识别、 机器学习的同学有很重要的参考价值， 其中经典的算法有：神经网络 本实验的目的是为了初步了解神经网络，实现一个简单的2-2-1 型的神经网络，其隐单元 和输出单元的激活函数为一S 型函数： tanh( ) j j y = a bnet ，且a =1.716,b = 2 / 3。 (a) 设 描 述 输入层到隐含层权值( , 1,2, 0,1,2) ji w j

  3. 所属分类：管理软件

    • 发布日期：2014-04-30
    • 文件大小：2kb
    • 提供者：chennankuan

  1. Python实现一个简单的3层BP神经网络

  2. 一个简单的3层(1层隐层)误差反向传播神经网络（BP神经网络），Python实现，Python版本:Python3.5.2

  3. 所属分类：机器学习

    • 发布日期：2017-11-27
    • 文件大小：1kb
    • 提供者：homegreat

  1. MATLAB模式识别实现指标分类评估预测如环境业绩等-training_data.xls

  2. MATLAB模式识别实现指标分类评估预测如环境业绩等-training_data.xls 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定） 4：MATL

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：30kb
    • 提供者：weixin_39840914

  1. MATLAB模式识别实现指标分类评估预测如环境业绩等-new_data.xls

  2. MATLAB模式识别实现指标分类评估预测如环境业绩等-new_data.xls 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定） 4：MATLAB神经网

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：10kb
    • 提供者：weixin_39840924

  1. MATLAB模式识别实现指标分类评估预测如环境业绩等-Training_NPR.m

  2. MATLAB模式识别实现指标分类评估预测如环境业绩等-Training_NPR.m 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定） 4：MATLAB神

  3. 所属分类：其它

  1. MATLAB模式识别实现指标分类评估预测如环境业绩等-Use_For_Predict.m

  2. MATLAB模式识别实现指标分类评估预测如环境业绩等-Use_For_Predict.m 最近看到很多会员需要使用MATLAB神经网络做如下的事情： 1：MATLAB神经网络对水的质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对空气质量的分类、评估、预测 （属于环境类分类、评估预测） 2：MATLAB神经网络对土壤质量的分类、评估、预测 （属于环境类分类、评估预测） 3：MATLAB神经网络对学员的个人表现进行分类、评估、预测 （属于个人业绩鉴定） 4：MATL

  3. 所属分类：其它

    • 发布日期：2019-08-13
    • 文件大小：600byte
    • 提供者：weixin_39841848

  1. 提供一个Matlab的BP神经网络的基础资料-附件2.txt

  2. 提供一个Matlab的BP神经网络的基础资料-附件2.txt 第一节内容：包括神经网络的基础知识，BP网络的特点，bp主要应用的场合，使用时应注意的问题。 什么是神经网络？ 神经网络是由很多神经元组成的，首先我们看一下，什么是神经元 3962604722133983950.jpg 上面这个图表示的就是一个神经元，我们不管其它书上说的那些什么树突，轴突的。用个比较粗浅的解释，可能不太全面科学，但对初学者很容易理解： 1、我们把输入信号看成你在matlab中需要输入的数据，输进去神经网络后 2、这

  3. 所属分类：其它

  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

  1. 基于BP神经网络模型的国家脆弱性问题的求解

  2. 随着人类社会的进步和发展，环境对一个国家的影响不容小觑，其中气候变化对人类生活方式产生深远意义和影响，进而改变国家的脆弱性，本文基于人工智能理论构建了一个国家脆弱性评价模型并利用相关系数法讨论气候变化如何影响区域的不稳定性，发现气候变化对区域稳定性有着举足轻重的作用。问题重述 1.1问题背景 候变化通过对区域稳定性产生影响,进而改变国家的脆弱性,当它与薄弱的政府 治理和社会分裂相结合时,可以引发一系列的暴力恶性事件,通常沿着潜在的民族和政 治分歧发展。早在20世纪90年代,这一概念就已经为一些主

  3. 所属分类：其它

    • 发布日期：2019-03-15
    • 文件大小：1mb
    • 提供者：zrg_hzr_1

  1. tensorflow实现简单的卷积网络

  2. 使用tensorflow实现一个简单的卷积神经，使用的数据集是MNIST，本节将使用两个卷积层加一个全连接层，构建一个简单有代表性的卷积网络。 代码是按照书上的敲的，第一步就是导入数据库，设置节点的初始值，Tf.nn.conv2d是tensorflow中的2维卷积，参数x是输入，W是卷积的参数，比如【5,5,1,32】，前面两个数字代表卷积核的尺寸，第三个数字代表有几个通道，比如灰度图是1，彩色图是3.最后一个代表卷积的数量，总的实现代码如下： from tensorflow.examples

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：59kb
    • 提供者：weixin_38741317

  1. 3层神经网络的简单实现

  2. 批量处理与单样本处理，激活函数有线性、tanh和sigmoid

  3. 所属分类：教育

  1. 简单多层感知机（MLP)–pyTorch实现

  2. 多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图最简单的MLP： 上图模型pyTorch代码： import torch from torch.nn import functional as F x = torch.randn(1, 10) # 输入x的特征有10个 w = torch.randn(3, 10,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：101kb
    • 提供者：weixin_38629206

  1. pytorch实现VGG网络

  2. 使用重复元素的网络（VGG） AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet作者对它们的卷积窗口、输出通道数和构造顺序均做了大量的调整。虽然AlexNet指明了深度卷积神经网络可以取得出色的结果，但并没有提供简单的规则以指导后来的研究者如何设计新的网络。我们将在本章的后续几节里介绍几种不同的深度网络设计思路。 本节介绍VGG，它的名字来源于论文作者所在的实验室Visual Geometry Group [1]。VGG提出了可以通过重复使用简单的基础块来构建深度模型的思路。

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：65kb
    • 提供者：weixin_38692184

  1. fourier-feature-networks:傅立叶特征使网络可以在低维域中学习高频功能-源码

  2. 傅立叶特征使网络可以在低维域中学习高频功能 | * 1 ， * 1,2 ， * 1 ， 1 ， 1 ， 1 ， 3 ， 2 ， 1 1加州大学伯克利分校， 2 Google研究中心， 3加州大学圣地亚哥分校*表示相等的贡献 抽象的 我们表明，通过简单的傅立叶特征映射传递输入点使多层感知器（MLP）能够学习低维问题域中的高频函数。这些结果揭示了计算机视觉和图形学的最新进展，这些进展通过使用MLP表示复杂的3D对象和场景来实现了最新的结果。使用来自神经正切核（NTK）文献的工具

  3. 所属分类：其它

  1. mnist-explanation:在MNIST数据集上试用DNN的复制技术-源码

  2. 简单说明 在该存储库中，我尝试实现G. Montavon等人所述的解释方法。 在他们的Methods for Interpreting and Understanding Deep Neural Networks中的文章[1] 神经网络实施 在他们的原始论文中，研究人员就使用哪种深度神经网络（DNN）提供了建议，以最大程度地提高其解释性。 我们将遵循以下建议： 根据需要使用尽可能少的完全连接的层，并通过辍学来训练这些层 大量使用求和池层，并且比其他类型的池层更喜欢它们 在线性层（卷积和完全连接

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：468kb
    • 提供者：weixin_42136826

  1. NeuralNetwork.NET：受TensorFlow启发的神经网络库，它是在C＃7.3中为.NET Standard 2.0从零开始构建的，并通过cuDNN支持GPU-源码

  2. 它是什么？ NeuralNetwork.NET是一个.NET Standard 2.0库，它实现了具有可自定义层的顺序图和计算图神经网络，并使用C＃从头开始构建。 它提供了一些简单的API，这些API设计用于快速原型设计，以使用随机梯度下降法定义和训练模型，以及保存/加载网络模型及其元数据等的方法。 该库还公开了具有更高级功能的CUDA加速层，这些功能利用GPU和cuDNN工具包极大地提高了训练或使用神经网络时的性能。 免责声明：此库按原样提供，不再被积极维护。 NeuralNetwork.

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：11mb
    • 提供者：weixin_42126274
« 12 »