搜索资源列表
beiyesifenbu
- 分类判别中，bayes判别的确具有明显的优势，与模糊，灰色，物元可拓相比，判别准确率一般都会高些，而BP神经网络由于调试麻烦，在调试过程中需要人工参与，而且存在明显的问题，局部极小点和精度与速度的矛盾，以及训练精度和仿真精度间的矛盾，等，尽管是非线性问题的一种重要方法，但是在我们项目中使用存在一定的局限，基于此，最近两天认真的研究了bayes判别，并写出bayes判别的matlab程序，与spss非逐步判别计算结果一致。-Classified Identifying, bayes discrim
MATLABprogram
- 基于Matlab环境编写的一些神经网络PID控制和模糊PID控制源代码，其中包含BP pid，CMAC PID,RBF PID，BP数值逼近算法，BP预测控制以及模糊PID。-Matlab-based environment for the preparation of a number of neural network PID control and fuzzy PID control of the source code, which includes BP pid, CMAC PID,
mohu
- 高木关野模糊系统（将高木关野模糊系统应用到BP神经网络中）-Takagi Sugeno fuzzy system (to Takagi Sugeno fuzzy system applied to the BP neural network)
DATAFUSION
- 借用模糊控制策略 ,与改进的BP 神经网络算法结合对其进行数据融合。在仿真中取得了比已往算法更高的精度 ,控制策略制定准确、 可靠。是一种较有潜力的多传感器数据融合方法。-Data fusion
bp.m
- 神经网络代码基于模糊理论的故障诊断中的应用神经网络代码-Neural network program
neural-network-of-multi-sensor
- 基于模糊神经网络的多传感器信息融合，提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别，为移动机器人的导航和避障提供了一种有效的方法。-Fuzzy neural network based multi-sensor information fusion, we propose a simple and effective algorithm to determine the partition barrier distance and dir
BPTS_NetWork
- 一种基于误差反向传播的BP学习算法的模糊神经网络模型，作为非线性映射的有效工具。-A method based on back propagation BP learning algorithm for fuzzy neural network model of nonlinear mapping, as an effective tool.
Speech-Emotion-Recognition
- 基于主成分分析法和反向传输神经网络的语音情感识别 摘要——语音信号中包含着丰富的情感信息，尤其是语义信息。快乐、愤怒、厌恶、恐惧、悲伤，这五种基本情感是经过一个受认可的框架讨论和公认的，这个框架包括主成分分析法和BP神经网络。通过PCA从43种候选参数中筛选出11种参数作为确定某种特定的情感类别的标准。实验采用两种神经网络模型，One Class One Network 和 All Class One Network，并进行比较。实验结果表明，其可靠性达52 ~62 ，这说明用这种框架来识别
Intelligent-controller
- PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基于模糊神经网络和遗传算法的智能PID控制器-Intelligent controller ba
BP-airquality
- 人工神经网络方法在环境质量评价方面的应用大体可分为城市环境质量综合评价、大气环境质量评价、地表水环境质量评价、地下水环境质量评价、湖泊富营养化程度评价、生态环境分类等方面。下面主要列举基于BP算法的多层前馈网在大气环境质量评价中的应用。 许多研究者将基于BP算法的多层前馈网应用于某些城市的大气环境质量评价中，并对比了该方法与模糊决策、灰色聚类及综合评判法的评价结果，证明了BP网络模型用于大气环境质量评价的通用性、合理性、实用性及优越性。-The application of artifici
matlab-BP-net(base-fuzzy)
- 基于模糊算法的神经网络方法，matlab 编写。-Neural network based on fuzzy algorithm, matlab prepared.
adapt
- 数据分类、BP神经网络、自适应模糊神经网络。所有程序是基于matlab编程的，可以实现对数据的预处理和建立相应的仿真模型-Data classification, BP neural network, adaptive fuzzy neural network. All program is based on the matlab programming, data preprocessing and a corresponding simulation model
A-hybrid
- 针对传统的ＢＰ或ＧＡ对模糊神经网络的识别应用存在收敛容易陷入局部极小 识别率低下等问题 提出一 种基于ＢＦＧＳ的混合遗传算法 其基本思想为 首先构造一种前馈型模糊神经网络结构 然后用遗传算法进化若干代 后 当目标函数的梯度或者范数小于预先设定值 则改用ＢＦＧＳ算法进行优化识别 仿真实验表明 对比ＧＡ该算法 收敛速度较快 识别精度提高了约７％ 能够较好地应用于一类模糊神经网络的识别-In traditional BP or GA to identify the application
bp
- 模糊数学、灰色系统、神经网络比较--预测 模糊数学、灰色系统、神经网络比较--预测-Fuzzy, gray system, neural network comparison- predictive fuzzy math, gray system, neural network comparison- Forecast
BP
- BP神经网络模糊控制，达到预测的目的，集训练和预测于一身-Purpose, set BP neural network training and prediction fuzzy control, to achieve the predicted in-one
shenjingwanglouzhongheyingyong
- 神经网络综合应用 主要有BP神经网络的应用、PID神经网络的控制、遗传算法优化神经网络、模糊神经网络、概率神经网络-Neural network integrated applications are mainly controlled BP neural network applications, PID neural networks, genetic algorithm optimization of neural networks, fuzzy neural network, proba
BP-C
- : 针对常规 PID 控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖 性，提出了神经网络模糊自适应 PID 控制器，-Research on Fuzzy Adaptive PID Control Based on Neural Netowork
MATLAB-network
- MATLAB 神经网络源代码，包括BP网络、RBF网络、模糊神经网络、小波神经网络、PSO群优化等共43个网络源代码，并有实际案例-MATLAB neural network source code, including BP network, RBF network, fuzzy neural network, wavelet neural network, PSO Swarm Optimization, a total of 43 network source code, and there
BP-recognize
- 神经网络学习相关：基于BP网络实现模糊字母识别 设计一个标准BP学习算法训练网络，实现对加噪字母的识别 -Neural network learning relevant: fuzzy identification letters design a standard BP learning algorithm to train the network based on BP network, adding noise to achieve recognition of the lette
智能控仿真程序
- 主要是智能控制算法程序，包含了专家系统，模糊控制，神经网络各种智能控制算法。(Mainly is the intelligent control algorithm, including expert system, fuzzy control, neural network intelligent control algorithm.)