搜索资源列表
BP
- BP算法 给定一个由N维向量X组成的集合，这些向量将是一个响应agent的感知处理单元计算出的特征向量。这些分量的值可以是数值，也可以是布尔值。这些动作也许是学习者所观察到的一个教师对一组输入的响应。这些相关的动作有时称为向量的“标号”或“类别”。集合与响应的标号组成“训练集合(training set)”.机器学习问题就是寻找一个函数。
93810496
- 一个可自我学习的人工智能小模型，可进行训练，也可进行提问。
BPwnn
- 讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
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。
2006113041152622(1)
- 汉字识别系统。基于样本训练的汉字识别系统，何以识别汉字/字符数字等。很适合学习基本原理的研究者使用。
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别， Bayes分类器识别（使用二值数据的Bayes方法,最小错误概率的Bayes方法，最小风险的Bayes方法)，线性函数分类法识别（Fisher算法，奖惩算法，增量校正算法，LMSE算法的识别），非线性分类法（势函数法）识别，神经网络分类法识别（包括神经网络训练，神经网络建立后输出权值，测试与比较，神经网络识别）。 运行完全正确，是学习VC实现不同分类识别方法的很好代码。
DictionaryLearning
- 字典学习训练，利用学习训练字典达到较好的稀疏分解效果
bpnnet_156
- 在实际应用中，原始的BP算法很难胜任，因此出现了很多的改进算法。BP算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。本例采用动量BP算法，来实现对网络的训练过程，动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小。
plate_BPTrain
- 针对车牌识别的字符bp神经网络训练，稍加改造即可用于ocr及其它字符识别场合 将字符切分为32*16大小bmp，放入相应文件夹，训练时选择该文件夹即可完成相应字符训练 仅供学习使用，勿商业应用，本人保留所有版权。
test1
- asp编写动态网页计数器，很合适大家来学习，新手训练
2008vfpdjkshmn1
- VFP模拟试题，可以在等级考试前做冲刺训练！我们共同学习，共同进步！
sort
- 分类问题是利用已知类别的样品（训练集）来构造分类器，其训练集样品是已知类别的，所以又称为有监督学习。
停车诱导系统中车位预测模型的研究
- 停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型， 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络， 优化了学习速率， 减少了训练过程的震荡趋势， 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后， 进行了多种方法比对实验
myBP_old
- 我的人工神经网络作业，包括BP网络的学习，训练和回想，初学人工神经网络的可以
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中
wxy353
- 程序包含的设置包括：列数、样本总个数、建模样本数、预报因子数、预报对象数、学习因子、 动量因子、训练次数、总体误差、隐节点数。-procedures contained in the set include : number, the total sample number, the number of samples modeling, forecasting several factors, forecasting several targets, learning factor, mome
93810496
- 一个可自我学习的人工智能小模型，可进行训练，也可进行提问。-a self-learning artificial intelligence model small, it can conduct training, can question.
人工神经元网络
- 《人工神经元网络》含有实用的网络模型、学习规则和训练方法的一些算法程序，对学习人工智能，模式识别的人有一些帮助！-"artificial neural network" contains practical network model, learning rules and the training methods of some algorithm for the study of artificial intelligence, pattern recognition o
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
BP神经网络源程序
- 基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数：1）初始化权、阈值子程序；2）第m个学习样本输入子程序；3）第m个样本教师信号子程序；4）隐层各单元输入、输出值子程序；5）输出层各单元输入、输出值子程序；6）输出层至隐层的一般化误差子程序；7）隐层至输入层的一般化误差子程序；8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序；9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序；10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子程序；11）第一