搜索资源列表
NN_GA
- 人工智能及神经网络的机器学习算法，经典的遗传算法，在实际中可以解决选路问题及最短路径问题。-machine study algrithm for artificial intelligence and neural network, it can solve the problem of shortest route
ga_and_hopfield
- 机器学习及神经网络的算法，具体解决经典的HOPFIELD模型，在TSP问题中可以加速解的收和快速求解。-arithmetic for machine learning and neural net,mostly for HOPFIELD modal of TSP problem
alemoNEW
- 机器学习课要求编写3*3棋盘对弈程序。 该程序中一个对弈者通过神经网络方式实现 另一个通过机器学习的方式加以改进-3*3 chessboard vs program.One player is implement by neural net ,the other is implement by machine learning.
LearnSCp
- 一个机器学习算法软件包,包括神经网络,模糊逻辑,支持向量机,采用MATLAB平台实现,-a machine learning algorithm packages, including neural networks, fuzzy logic, support vector machine, MATLAB platform.
jiyuneirongdetuxiangjiansuo
- 基于内容的图像检索中的一些关键环节：特征提取：颜色直方图；纹理特征等 相似度：马氏距离，欧氏距离等 相关反馈：机器学习方法，如SVM，神经网络等 检索与分类：两个很相似的样本距离很小，虽然两个不相似的样本距离未必很大-content-based image retrieval of some of the key issues : Feature Extraction : color histogram; Texture characteristics of simila
NeuralNetwork
- 机器学习中利用反向传播算法进行人工神经网络的学习-Using back-propagation algorithm of artificial neural network learning
论文
- 20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
21239410
- 两台处理机A 和B处理n个作业,设第i个作业交给机器 A 处理时需要时间ai,若由机器B 来处理,则需要时间bi,由于各作 业()
moshi0
- bp神经网络，做浓度反演，机器学习，前向反馈(BP neural network for concentration inversion)
nickdong-matlab-ann-43-cases-master
- 基于MATLAB平台的机器学习的43个案例(43 cases of neural network based on MATLAB platform)
Residual-Networks
- 残差神经网络的Python实现,用于机器学习的图像识别方向。(Python implement on Residual Network)
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)
NN
- 人工神经网络中的BP算法matlab代码实现(Realization of BP algorithm in artificial neural network)
Deep Learning with Python
- 深度学习基本算法，深度学习with python作为标题建议介绍深度学习使用Python编程语言和开源Keras库，它允许简单快速的原型设计。 在Python深度学习中， 你将从一开始就学习深度学习，你将学习所有关于图像分类模型，如何使用深度学习获取文本和序列，甚至可以学习如何使用神经网络生成文本和图像。 本书是为那些具有Python技能的人员编写的，但你不必在机器学习，Tensorflow或Keras方面有过任何经验。你也不需要先进的数学背景，只有基础的高中水平数学应该让你跟随和理解核心
04.CNN处理CiFar
- 以python语言为基础，利用tensorflow机器学习架构，两层卷积神经网络实现，CiFar数据集图片分类功能。(Based on Python language, using tensorflow machine learning architecture, two-layer convolutional neural network, CiFar data set image classification function.)
neogrowth
- 实现了经济增长的神经网络预测，比较有实用价值(The neural network prediction of economic growth is realized and has practical value)
23_time_series_prediction
- 用 Python 机器学习，时间序列模型预测， 循环神经网络(Python Machine Learning, Time Series Model Prediction, recurrent Neural Network)
DBN
- DBN算法-机器学习-电力系统预测 亲自编写可以使用(DBN algorithm machine learning power system prediction)
GABP
- 使用遗传算法优化BP神经网络的权值和阈值。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。(Genetic algorithm is used to optimize the weights and thresholds of BP neural network. BP neural network is a kind of multilayer feedforward neural network trained according to the erro
bp神经网络
- 机器学习之bp神经网络算法，可进行分类预测，包括相关性能指标计算