搜索资源列表
myBPMNIST
- 采用典型的BP算法实现了有导师学习下的神经网络，采用输入层、隐含层和输出层的三层结构，实现了BP算法。并用此算法实现了基于MNIST的数字识别，采用7000个样本做训练，自洽检验正确率达到了99.79%。
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
bp神经网络
- 这是关于bp神经网络的代码，有已经训练好的函数，然后图像都是8*16 的，大家可以用预处理先处理一下
卷积神经网络人脸识别程序
- 深度学习中用卷积神经网络来训练模型，输入人脸图像到模型中从而进一步识别
sjwl
- bp神经网络对2ask，2fsk，4ask，4fsk，2psk，2fsk的训练学习(BP neural network, training, learning)
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
CNN Matlab代码
- 利用大量图像数据对卷积神经网络算法进行训练，通过卷积、池化、下采样以及全连接层训练后的卷积神经网络在图像识别精度越来越高。(By using a large number of image data to train the convolutional neural network algorithm, the accuracy of the image recognition is higher and higher by convolution, pooling, down sampling
matlab_ANN_MLP
- matlab程序，使用神经网络估算信号频率，附训练及测试数据(The matlab program uses neural networks to estimate the frequency of signals, along with training and test data)
BP网络
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法（梯度法），通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input layer）、隐层(hide layer)和输出层(outpu
BPforPen
- bp神经网络用于分类手写数字, 包含训练和测试代码(Example for classification of hand-write digits using BP network.)
GA_BP
- 用遗传算法优化BP神经网络，得到跟精确训练的网络，更加准确的进行拟合，校正，样本预测。(The BP neural network is optimized by genetic algorithm, and the network with accurate training is more accurate, fitting, correcting and forecasting samples.)
Greynet
- 灰色神经网络计算预测每月需求量，根据训练出的神经网络进行预测。(Grey neural network prediction data)
NeuralNetwork_RBF
- RBF神经网络实现，MATLAB平台。附训练和测试数据(RBF neural network implementation, MATLAB platform. With training and test data)
新建文件夹
- 将260个样本中随机抽出部分学生的身高和体重作为训练样本（男女生都有），然后训练一个BP神经网络，最后将剩下的样本输入网络进行测试，检测BP网络的分类性能。260个样本的体重和身高在文档中。可以在男生样本中抽取70%用来训练，在女生样本中抽取70%用来训练。(The 260 samples were randomly selected from the part of the students' height and weight as the training sample (boys and
BP人工神经网络负荷预测模型的L_M训练算法
- BP人工神经网络负荷预测模型的L_M训练算法(L_M training algorithm for load forecasting model of BP artificial neural network)
Desktop
- 此程序可以方便的进行神经网络学习训练练习(Neural network learning training exercises)
BP
- 采用BP神经网络进行训练，将三位二进制数转为一位十进制数。(BP neural network is used for training)
cnn-示例
- 卷积神经网络的结构模型，可实现对图像进行训练与识别(The structure model of the convolution neural network can realize the training and recognition of the image)
glyunshu
- 神经网络，可以用于预测算法，通过给定数据，进行网络训练，最后得出预测。(Neural networks algorithm can be used to predict, given the data, network training, final forecast is obtained.)
人脸识别
- 基于bp神经网络的人脸识别系统，训练样本大概5000左右可以识别图片中是否有人脸(Face recognition system based on BP neural network)