搜索资源列表
chapter3
- 运用遗传算法优化BP神经网络，应用于非线性函数拟合-Optimize the BP neural network, the use of genetic algorithms applied to nonlinear function fitting
chapter2bp
- BP神经网络的非线性系统建模，非线性函数拟合-BP neural network nonlinear system modeling, nonlinear function fitting
bp-artifical-netwok
- bp人工神经网络，要逼近非线性函数，并给出拟合效果-bp artifical nerual network
64318
- BP神经网络的非线性系统建模-非线性函数拟合-BP neural network nonlinear system modeling- nonlinear function fitting
ZCXLJ
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合-Support vector machines and BP neural network can be used for non-linear regression f
Intelligent-computation-methods
- 采用bp神经网络对其进行函数拟合。误差反向传播网络（bp网络）是目前人工神经网络模式中最具代表性，应用最广泛的一种模型，具有自学习、自组织、自适应和很强的非线性映射能力，可以以任意精度逼近任意连续函数。-The bp neural network to its function fitting. Error back propagation network (bp network) is the artificial neural network model of the most repres
BPDLX
- BP神经网络算法，非线性函数逼近，BP算法，函数逼近-BP neural network algorithm, nonlinear function approximation, BP algorithm, function approximation
sin_bianshi
- 采用BP神经网络进行了非线性正弦信号的辨识，采用双曲函数为激发函数-Nonlinear sine signal is identified with BP network,and it uses the hyperbolic function as the excitation function.
Extreme-nonlinear-function
- 用函数输入输出数据训练BP神经网络,使训练后的网络能够拟合非线性函数输出,保存训 练好的网络用于计算个体适应度值。根据非线性函数方程随机得到该函数的4000组输入输出数据,存储于data中,其中input为函数输入数据,output为函数对应输出数据,从中随机抽取3900组训练数据训练网络,100组测试数据测试网络拟合性能。最后保存训练好的网络。-With the function input and output data to train BP neural network, so th
BP_Hidden
- 基于BP神经网络的非线性函数拟合算法流程可分为BP神经网络的构建、训练、预测三步-A nonlinear function fitting method based on BP neural network process can be divided into the construction of the BP neural network, training, to predict three steps
Extreme-nonlinear-function
- 神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优 把训练后的BP神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的 全局最优值及对应输入值。 -Neural network training function fitting based optimization features built right on BP neural network, using
Nonlinear-system-modeling
- 本课题首先根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优 把训练后的BP神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的 全局最优值及对应输入值。 -Neural network training function fitting based optimization features built right on BP neural network, using no
BP-fit
- 对于神经网络，可以用于非线性函数拟合，效果不错。-For the neural network can be used for non-linear function fitting, good results.
BP2
- 三层BP神经网络来完成非线性函数的逼近任务-BP neural network to complete the task of nonlinear function approximation
BP_matlab
- Bp神经网络的非线性函数拟合，用于对非线性函数的拟合。-Bp neural network nonlinear function fitting
GA
- 程序1：遗传算法和非线性规划函数的优化； 程序2：基于遗传算法的BP神经网络优化； 程序3：基于遗传算法的TSP算法； 程序4：基于遗传算法的LQR控制器优化设计 程序5：基于遗传算法的函数优化-Program 1: genetic algorithms and nonlinear programming function optimization Program 2: Based on the genetic algorithm BP neural network optim
BPFuncApproximation
- BP神经网络训练程序，基于梯度学习算法，对非线性函数（hermitian）逼近。-The BP neural network training program，which is based on the steepest descent Method，，，backpropagation network (BP) approximation of the nonlinear function。
chapter2
- BP神经网络关于非线性函数拟合的问题，表述了如何写其代码-BP neural network on non-linear function fitting problems, a presentation on how to write their code
chapter2
- BP神经网络的非线性系统建模——非线性函数拟合-Nonlinear system modeling BP neural network- non-linear function fitting
123
- 利用三层BP神经网络来完成非线性函数的逼近任务，其中隐层神经元个数为五个。-To complete the task of nonlinear function approximation by three layers of BP neural network, in which the number of hidden layer neurons into five.