搜索资源列表
ClusteringanalysisbasedonSOFMnetwork
- 基于自组织特征映射网络的聚类分析，是在神经网络基础上发展起来的一种新的非监督聚类方法，分析了基于自 组织特征映射网络聚类的学习过程，分析了权系数自组织过程中邻域函数和学习步长的一般取值问题，给出了基于自组织 特征映射网络聚类实现的具体算法，并通过实际示例测试，证实了算法的正确性。 -Based on self-organizing feature map network cluster analysis, neural network is developed on the basi
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
odul
- 非监督学习神经网络的自动调制识别研究与实现-Unsupervised learning neural network based automatic modulation recognition and implementation of
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
DBN
- 深度信念网络，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。(Deep belief network, a kind of neural network. It can be used for unsupervised learning, similar to a self-coding machine, or supervised learning, as a classifier.)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称