搜索资源列表
bp
- Visual C++源程序；利用神经网络进行0-9十个数字图像的识别。-Neural network identification numbers 0-9
part_237010_200311202__
- 山 东 大 学 硕 士 学 位 论 文：图像边缘检测算法的研究本 文 分 为 七 个 部 分 。第一部分首先阐述了课题的研究背景、意义以 及该领域的发展现状；第二部分介绍了几种经典的边缘检测方法，给出 了这些方法的图像边缘检测结果，并且进行了相关的分析比较；第三部 分阐述了BP 神经网络的结构以及数学模型等相关知识；第四部分具体 介绍了一种新的基于统计向量和BP 神经网络的边缘检测方法；第五部 分介绍了一种有效的边缘细化算法，它可以对新方法得到的图像边缘进 一步处理以达到
NNAS
- 采用工程化管理思想运用于人工BP网络分析系统，从而能应对现实应用中复杂的分析需求；集成了多种BP算法，根据分析领域、行业特点及具体情况选择合适的算法进而达到最佳的预测分析效果。产品面向最终用户与二次开发者，既为最终用户提供商品化的分析系统集成环境，又提供了开放性的接口、文档面向二次开发者以灵活地定制开发更为专业并与原有系统无缝集成的人工智能应用。~..~-The use of project management thinking BP network analysis applied to a
BP_NET
- 一个简单的BP神经网络，分类和识别代码，在输入提示下输入数据，即可看到代码的运行结果；-A simple BP neural networks, classification and identification code, the input prompt, enter data, you can see the results of the operation code
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
200642991948257
- 提出了一种利用肤色信息，建立 YCbCr 肤色模型空间作为人脸检测的预处理手段，利用小波分解和 BP 神经网络作为检测方法。对算法进行仿真验证，实验结果表明：该肤色模型空间 对光线、遮挡以及姿 态 有很好的 robust 特性 ；本检测方法达到较好的检测效果。 关键词 : 小波分解；神经网络；亮度补偿-Skin color model based on an oval face detection method
BP-matlab
- 基于C开发的三个隐层神经网络,包括 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
Gesture-Recognition-
- 本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In this paper，a new method of gest
BP-neural-network_c
- 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
30-case-studies
- MATLAB神经网络30个案例分析__读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-30 case studies of the MATLAB Neural Network __ readers call the case, as
ignition
- 两层2输入1输出的点火ＢＰ神经网络；输入分别是转速和节气门信号，输出时点火提前角-ignition advanced angle control based on BP nerual network
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
Apso-bp-Rainfall
- 降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力，拟采用1959—2011 年逐月74 项大气环流特征量序列、月平均500 hPa 高度场和月平均海温场，选取预测因子；用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法，建立宣城市夏季降水短期气候预测模型。对2007—2011 年宣城市夏季降水预报检验结果表明，粒子群优化人工神经网络收敛速度快，迭代次数少；试报平均绝对误差是66.5 mm，绝对值平均相对误差10.5 ，预测精度高，具有很好的应用推广前
GA_BP_without_OP_num.Inputs
- GA优化BP网络的权值和阈值，没有优化隐含层节点的个数；还需要做进一步的改进。-Using GAs to optimize the weights and biases of BPNN, without optimazation of num.Inputs.
xor
- bp解决xor问题 BP网络是目前前馈式神经网络中应用最广泛的网络之一，实现BP算法训练神经网络完成XOR的分类问题。 设计要求： （1） 能够设置网络的输入节点数、隐节点数、网络层数、学习常数等各项参数； （2） 能够输入训练样本； （3） 实现BP算法的训练过程； （4） 实现训练过程的动态演示； （5） 训练完成后可输入测试数据进行测试。 -bp xor problem solving
IC
- 该文档为BP算法在智能控制中的应用例子及其说明。BP网络输入、输出节点数可选；隐含层数及隐含层节点数可选，最大训练次数及退出训练误差可选，数据文件可选，动量因子可选，学习速率可选，激活函数类型可选，网络实现功能（分类、拟合）可选。开发环境为MATLAB。-This document is BP algorithm in intelligent control application examples and their descr iptions. BP network input and ou
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
11
- RBF网络的学习过程与BP网络的学习过程类似，两者的主要区别在于各使用不同的作用函数。BP网络中隐层使用的是Sigmoid函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF网络中的作用函数是高斯基函数，其值在输入空间中有限范围内为非零值，因为RBF网络是局部逼近的神经网络。 RBF网络是一种3层前向网络，由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，而且RBF网络局部逼近的神经网络，因而采用RBF网络大大加快学习速度并避免局部极小问题，
BP
- 通过分析交通流量时间序列的特点，引入BP神经网络进行短时交通流预测。首先，分析了短时交通流量预测的意义及研究背景；然后，介绍了BP神经网络的结构模型、学习规则以及BP算法的改进算法；最后，通过BP神经网络对短时交通流进行预测，并分析了在各种不同条件下的预测情况。-through the analysis of the characteristics of traffic flow time series, introduces BP neural network for short-term t
Hopfield
- 循环反馈网络(Hopfield)特点：1)定性数据的模式识别；2)依靠吸引子来作模式识别；3)其功能可由BP网络来实现，但速度较快。 -Loop feedback network (Hopfield) features: 1) the qualitative data of the pattern recognition 2) rely on attractor for pattern recognition 3) its function can be made of BP netwo