搜索资源列表
newpnn
- 基于GMM的概率神经网络PNN具有良好的泛化能力,快速的学习能力,易于在线更新,并具有统计学的贝叶斯估计理论基础,已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点,还具有许多GMM没有的优点,如强鲁棒性,需要更少的训练语料,可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN good generalization ability, the
广义异或集成神经网络算法
- 本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。 -this pro
newpnn
- 基于概率神经网络的数字语音识别matlab程序-probabilistic neural network based on the number of voice recognition procedures Matlab
HANN
- 基于概率神经网络的数字语音识别matlab程序-probabilistic neural network based on the number of voice recognition procedures Matlab
pnn_recognition
- 基于概率神经网络方法的识别程序,主要针对语音识别,matlab程序,值得参考.-probabilistic neural network-based method of identification procedures, voice recognition, Matlab procedures, a good reference.
RBPNN
- 利用RBPNN径向基概率神经网络的一个例子,通过该例子可以对RBFNN有个清晰认识-use probabilistic neural network-based one example, through the examples of RBFNN a clear understanding of
20090226
- 从盲声源信号的独立性出发!提出了一种新的盲声源混合信号分离方法:该方法基于信号联合概率的 分布统计!利用信号联合概率的方向导数熵最小获得最佳的旋转角度!最终实现盲信号分离:与快速独立分 量分析方法及神经网络方法相比!该方法不需要迭代计算:采用新的盲声源信号分离方法对轴承试验台的混 合声音信号进行识别!将电机和滚动轴承的声音分离出来!进而可以准确识别机械的故障-Blind sound source from the independence of the starting signal
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
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域,是人工智能中非常活跃且范围甚广的主要核心研究领域之一,也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果,主要关注于开发一些让计算机可以自动学习的技术,并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展,以及各种机器学习方法,包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等,并简单叙述了机器学习的相关算法,包括决策树算法、随机森林算
PNN
- 概率神经网络算法的matlab实验程序 可用于车牌识别 文字识别等模式识别问题-Probabilistic neural network algorithm matlab experimental procedure can be used for license plate recognition to identify issues such as character recognition
ParzenPNN
- Parzen概率神经网络工具箱及代码实现分类,供学习应用者参考。-Parzen Probabilistic Neural network toolbox and code to achieve the classification for the study and application in Taiwan.
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出,是径向基网络的一个分支,属于前馈网络的一种。它具有如下优点:学习过程简单、训练速度快;分类更准确,容错性好等。从本质上说,它属于一种有监督的网络分类器,基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础,其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题,提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中,利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理,将其结果用于优化概率神经网络(PNN)结构,降低系统复杂度。以PNN作为基分类器,基分类器通过反复迭代、权重更替,然后加权融合处理形成最终的强多分类器。实验结果表明,该方案是有效的态势要素获取方法并且精确度达到95.53%,明显优于
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息,提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中,根据Agent节点功能的不同,划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理,按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构,以降低系统复杂度。然后以改进的PNN作为基分类器,结合自适应增强算法,通过基分类器反
diagnose
- 基于概率神经网络的柴油机故障诊断,实用的matlab例子(Diesel engine fault diagnosis based on probabilistic neural network, practical matlab example)
新建文本文档
- 主要用matlab对故障信号进行分类,使用的是概率神经网络(The main use of matlab to classify fault signals, using a probabilistic neural network)
概率神经网络的分类预测-基于PNN的变压器故障诊断
- 概率神经网络的分类预测--基于PNN的变压器故障诊断,含有源程序和数据(Classification Prediction of Probabilistic Neural Networks--Based on PNN Transformer Fault Diagnosis)
PID神经元网络解耦控制算法——多变量系统控制
- 概率神经网络的分类预测--基于PNN的变压器故障诊断,matlab(Classification and prediction of probabilistic neural network -- transformer fault diagnosis based on PNN)
BP神经网络与多项式拟合曲线
- BP神经网络与多项式拟合曲线,数据统计描述,神经网络模型,概率统计建模的理论和方法。(BP neural network and polynomial fitting curve, data statistical descr iption, neural network model, probability and statistics modeling theory and method.)
85190844wedgelet
- 小波等神经网络,还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。(wavelet neural networks, etc. also contains the PSO (PSO), gray neural networks, fuzzy networks, probabilistic neural networks, genetic algorithm optimization and so on.)