搜索资源列表
BpNeuralNetwork
- 使用BP算法来逼近正弦函数 三层神经网络,输入层,隐含层(1层),输出层。 输入层和输出层只有一个节点。-BP net work
main
- 应用BP神经网络逼近非线性函数,非线性函数为多输入单输出,逼近误差<5 ,采用经典的BP算法。-Application of BP neural network to approximate nonlinear function, nonlinear function for multiple input and single output, the approximation error < 5 , using the classic BP algorithm.
DTFT
- 经由正、负离散时间傅立叶变换表达式是信号分析的一个关键部分。 X( ) (3.9) (3.10) 当 LTI 系统用于滤波的时候,作为冲激响应离散时间傅立叶的频 率响应,提供了 LTI 系统间接的描述。离散时间傅立叶变换 X( )是 w 的周期复值函数,周期总是 2π,并且基周期通常选在区间[-π,π] 上。对离散时间傅立叶变换 DTFT 来说有两个问题: 1. DTFT 的定义对无限长信号是有效的。 2. DTFT 是连续变量 w 的函数 在 MATLAB 中, 任何信号 (向量)
nn
- 利用人工神经网络实现函数拟合;神经网络逼近非线性函数-The neural network is used to realize the function fitting. The neural network approximates the nonlinear function
opengl圆柱体绘制
- 利用三角面片逼近法生成圆柱体 利用opengl中的画图函数直接生成圆柱体(The cylinder is generated by triangle surface approximation)
BP
- BP神经网络经过训练与学习,逼近非线性函数(BP neural networks are trained and studied to approximate nonlinear functions)
抛物线法
- 抛物线法是求无约束一维极值的一种方法,也叫二次插值法,其理论依据为二次多项式可以在最优点附近较好的逼近函数的形状,做法是在函数的最优点附近取三个构造点,然后用这三个点构造一条抛物线,把这条抛物线的极值点作为函数的极值点的近似(The parabola is a method of solving a constrained one-dimensional extremum method, also called two times interpolation method, the theore
langrange
- 数值分析中的拉格朗日插值法求解函数的近似逼近解和牛顿迭代法(langrange interpolation)
golden_section_sethod
- matlab用程序,通过黄金分割法逼近函数极大或极小值(The procedure is applicable to Matlab, which uses the golden section method to compute maximum or minimum values of functions)
遗传算法优化RBF神经网络
- 遗传算法优化RBF神经网络逼近非线性函数,具有较好的效果(Genetic algorithm, optimization, RBF neural network, approximation)
HESSIAN
- 黑塞矩阵(Hessian Matrix),又译作海森矩阵、海瑟矩阵、海塞矩阵等,是一个多元函数的二阶偏导数构成的方阵,描述了函数的局部曲率。黑塞矩阵最早于19世纪由德国数学家Ludwig Otto Hesse提出,并以其名字命名。黑塞矩阵常用于牛顿法解决优化问题,利用黑塞矩阵可判定多元函数的极值问题。在工程实际问题的优化设计中,所列的目标函数往往很复杂,为了使问题简化,常常将目标函数在某点邻域展开成泰勒多项式来逼近原函数,此时函数在某点泰勒展开式的矩阵形式中会涉及到黑塞矩阵。(Hessian M
opengl圆柱体绘制
- 利用三角面片逼近法生成圆柱体、利用opengl中的画图函数直接生成圆柱体(The cylinder is generated by the triangle surface approximation method, and the cylinder is generated directly by the drawing function in OpenGL)
插值方法
- 插值算法:插值方法包括:(1)线性插值(2)抛物插值(3)拉格朗日插值。三种方法都是利用离散的数据近似模拟曲线函数走向,从而给出指定离散点对应的函数值。选用不同类型的插值函数,逼近的效果不同,线性插值需要根据给定的两个点,抛物插值需要给定三个点,一般形式则通过拉格朗日插值来求解(Interpolation algorithms: interpolation methods include: (1) linear interpolation (2) parabolic interpolation
曲线拟合
- 曲线拟合:通过给定的一组二维坐标点,利用线性代数中矩阵求逆的知识,从这些数据中找出规律性,预测原函数f(x)的表达式,以消除所给数据的局部波动。一次拟合出来的函数图像是直线,二次拟合出来的图像是抛物线。两者相比,二次拟合逼近程度更高。(curve fitting through a given set of two-dimensional coordinates, using the inverse matrix in linear algebra knowledge, find out the
趋势面分析
- 用趋势面函数对空间现象的空间分布特征进行分析,来逼近现象的实际表面(The spatial distribution characteristics of spatial phenomena are analyzed with the trend surface function to approximate the actual surface of the phenomenon)
punctumtion
- 考虑在一个固定区间上用插值逼近一个函数,显然,Lagrange插值中使用的节点越多,插值多项式的次数就越高,我们自然关心插()
DFLSGR59
- 遗传算法优化小波神经网络的源程序 1 构造的非线性函数 位于nninit_test m 2 直接用WNN逼近非线性 Wnn_test()
07 神经网络与深度学习
- 人工神经网络(Artificial Neural Networks,ANN)系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成,具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP(Back Propagation)算法又称为误差 反向传播算法,是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数,基本的结构由非线性变化单元组成,具有很强的非线性映射能力。(The Artificial Neural Network
BP,RBF
- BP神经网络作为一种前馈性的神经网络,RBF神经网络由于其独特的联想记忆功能,常常用来用于识别和优化计算方问题上。分别对这两种算法用于对逼近非线性函数进行编程,观察其拟合情况后,用其他未训练的样本数据进行泛化能力分析。(BP neural network is a feed-forward neural network. RBF neural network is often used to identify and optimize the computation problem due to
ANN_fitting_example_1
- ANN fitting,使用多层神经网络对某一个函数进行插值逼近,建立代理模型(ANN fitting. Using a multi-layer neural network to interpolate a certain function to establish a proxy model)