搜索资源列表
SOM
- 神经网络中的SOM算法的C语言程序实现,可以对初学者了解神经网络有帮助.
SOM
- som算法 组织神经网络用于图像分割matlab实现
LVQ神经网络的学习算法
- LVQ神经网络结构 LVQ1学习算法 LVQ2学习算法及特点 LVQ神经网络学习算法的MATLAB实现 LVQ神经网络应用示例 LVQ神经网络与SOM神经网络的区别
som聚类算法
- 设计训练一个自组织竞争的人工神经网络（SOM网络）,该网络能识别26个大写英文字母。此网络经过训练后，当给出一个表示字母的输入时，网络能够正确的在输出端指出该字母。
javasom_1.2
- 一个用JAVA做的SOM算法程序，有良好的用户界面，不过可视化效果还有待改进。-One of the SOM algorithm to do with the JAVA program, have a good user interface, but the visualization could be improved.
SOM
- 用C#实现的神经网络SOM的核心算法，主要用于数据预测，总共一个源代码文件的该项目，希望对大家有帮助-SOM
SOM
- 完全用C++实现的SOM(自组织网络映射)算法，可以用于实际工作和学习中-Entirely in C++ implementation of the SOM (self-organizing network mapping) algorithm, can be used for practical work and learning
SOM
- SOM算法，是一个不可多得的程序啊。大家喜欢的话快下啊-SOM algorithm, is a rare procedure ah. We like it fast under the ah
SOM
- 基于自组织特征映射（SOM）的系统辨识算法实现-Based on self-organizing feature map (SOM) of the system identification algorithm
somtoolbox
- SOM工具包，包括matlab程序及学习文档-SOM toolkit, including the procedures and learning matlab documentation
SOM
- VC++实现神经网络SOM（自组织特征映射网）-VC++ Realization of neural network SOM (self-organizing feature map network)
SOM
- 人工智能神经网络中的som算法的实现方法，学神经网络的同学请使用-Artificial neural network method som algorithm, neural network learning students use the
MySOM
- 使用JAVA语言编写的用语实现SOM算法的代码-JAVA language using the language of the code to achieve SOM algorithm
SOM
- 实现SOM网络竞争算法,方便大家直接使用!-SOM algorithm for the realization of network competition
SOM
- 用MATLAB实现SOM算法改进，非常实用的程序！可以直接使用的！-SOM algorithm using MATLAB to achieve improvements, a very useful program! Can use!
SOM-CODE
- 关于SOM算法的实验，C++源码，值得参考一下-Experiments on the SOM algorithm, C++ source code, reference should be
project2
- 采用SOM 算法来对二维数据来进行识别及分类-apply the self-organizing map (SOM) neural network to cluster the simulated two-dimensional data
som_visualization_r
- som算法实现聚类，并将结果进行可视化展现(Visualization of SOM algorithm)
SOM
- 本程序提供支持向量机的SOM算法的代码。(This procedure provides support vector machine SOM algorithm code.)
som算法
- 机器学习中的som算法，用来聚类分析的，代码中 :param X: 形状是N*D， 输入样本有N个,每个D维 :param output: (n,m)一个元组，为输出层的形状是一个n*m的二维矩阵 :param iteration:迭代次数 :param batch_size:每次迭代时的样本数量 初始化一个权值矩阵，形状为D*(n*m)，即有n*m权值向量，每个D维