搜索资源列表
somnet
- 竞争学习指同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相联的连接权值。竞争学习是一种无监督学习。在无监督学习中，只向网络提供一些学习样本，而不提供理想的输出。网络根据输入样本进行自组织，并将其划分到相应的模式类中。
LUD
- 时间素列分析中AR模型LUD算法的实现，只要输入样本数据通过该算法就可以求出模型的参数。
LUD
- 时间素列分析中AR模型LUD算法的实现，只要输入样本数据通过该算法就可以求出模型的参数。
shibie
- 模式识别感知器算法实现（样本分类），基于iris数据
matlabtosolve
- 基于MATLAB实现的说话人识别程序，分别用bp、pnn、som、rbf、lvq等算法，对语音文件进行训练和测试，效果不错。~..~ 下面说明一下bprengong程序： 数据分别用来训练和测试两部分。 具体程序分为两部分，第一部分为：计算识别模型 变量v是mfcc处理以后的矢量。因为数据可能长短不一，所以放在同一进行截取。p的每一行代表一个语音数据（共15个）。变量Pr为每一行的最大最小值。变量T为目标值。输出神经元个数为15。 在训练阶段，如果用于训练的输入训练样本的类
DigitRecognition_VC++
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的， 书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值， 所以第一次使用识别程序时， 可以直接运行\\\\Release目录下的可执行文件， 然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络， 不过要特别注意训练样本的选择，否则可能造成识别率很低。 训练样本选择的原则是，尽可能的有代表性， 在训练时间不至于太长
adult
- 著名的数据挖掘测试数据集,由UCI维护提供. adult.data 含１５个属性，３２５６１个样本．
numberclassfy
- 本文是采用matlab开发的识别数字的识别软件，同时提供相应的样本数字图。
SVM
- SVM算法，用以进行样本的分类。可以将样本分成两类
00293686-10.5
- 摘要－关于对相移键控调制解调器的判决指示符号定时算法统计分析介绍。 时间探测器只在每符号期间使用一个样本，使用了离散时间同步方法并可用于高速调制解调器。 用时间探测器的均值和方差进行描述，推导和比较关于时间偏移的一个函数，最后得出仿真结果。 分析包括低信噪比对判决错误的影响，低信噪比有可能影响判决指示算法的使用范围。 对算法进行了改进，使得可以避免需要事先相位恢复。 这些算法和当前流行的每符号两样本\"非直接判决\"算法进行了比较。针对不同的信噪比和信道带宽，分别给出了这些算法的性能。
gaosi
- 多变量高斯过程样本的产生，用matlab编写的
K_Clustering
- 这个程序实现了将样本划分为k个聚类，在时间和空间复杂性上均作了详细的较量
chaonim
- 仿真函数 （1），函数形式为： 其中， 是零均值单位方差的高斯噪声。输入 服从[0，1] 均匀分布，且相互独立。样本长度为1000组，将其分为三组，自由选择200组作为模型训练数据，自由选择100组作为检验数据，其余的作为长期检验数据。 （2） 其中x1~x4相互独立， ， 为白噪声
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
AI
- 简单的神经网络训练程序，可以通过增加训练样本达到更好的权值
chaoliuyangben
- 潮流样本。能运用于电力系统潮流计算，MATLAB编写
zhengjiaoWNN
- 基于多分辨分析的递阶逼近思想,采用正交小波网络研究了输入样本空间分布非均匀时非线性系统的 辨识问题. 重点讨论了样本非均匀时网格系的设计问题,并给出了基于该网格系的在线递阶辨识算法. 最后利用正 交小波网络分别对非线性静态和动态系统进行了仿真辨识.
xianghouchuanbo
- 后向传播，它通过迭代地处理一组训练样本，将每个样本的网络预测与实际知道的类标号比较，进行学习。
som
- 竞争学习指同一神经元层次上各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相联的连接权值。竞争学习是一种无监督学习。在无监督学习中，只向网络提供一些学习样本，而不提供理想的输出。网络根据输入样本进行自组织，并将其划分到相应的模式类中。
clustering_algorithm_review
- 该综述介绍了分层次聚类法，最大距离样本，K平均聚类法等聚类方法的思路。