搜索资源列表
BPsimulationofpopulation
- ”BP.m“文件是BP神经网络整个模型的源程序； “train.fig”是训练时最后得到的图片； “程序运行的人口数量原始数据.fig”是预测结果绘制的图； “程序运行时matlab命令窗口的内容.txt”是运行程序是在matlab命令窗口显示的东西； “程序运行完产生的数据.mat”是程序运行完毕产生的数据。 .bmp文件和.fig文件一样
bpshuzi
- 通过Matlab基于BP神经网络实现数字0~9的识别。首先创建50个训练样本供网络学习，根据训练样本的特点确定输入层、输出层神经元个数，并确定隐含层神经元个数，完成对BP神经网络的设计；然后将训练样本输入BP网络中，完成对网络的训练；最后通过20个测试样本测试训练完成的网络性能，并显示识别结果。-Digital recognition based on BP neural network.First according to the characteristics of th
BP
- 基于BP神经网络的PID控制器结构,控制器由两部分组成：一是常规PID控制器，用以直接对对象进行闭环控制，且3个参数在线整定；二是神经网络NN，根据系统的运行状态，学习调整权系数，从而调整PID参数，达到某种性能指标的最优化。-基于BP神经网络的PID控制器结构,控制器由两部分组成：一是常规PID控制器，用以直接对PID controller structure BP neural network, the controller consists of two parts: First, a c
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
CS_BP_OK-low
- 使用布谷鸟算法优化BP神经网络进行分类。替换数据即可使用。(The BP neural network was classified by using the cuckoo algorithm. Replacement data can be used.)
改进的PSOBP
- 使用改进的PSO算法优化BP神经网络是实现数据的分类。调试通过，替换样本数据即可使用(Optimizing BP neural network using improved PSO algorithm is the classification of data. Debug through, replace sample data can be used)
XOR2
- 该程序用BP神经网络解决XOR问题，其中设置了恒定权值、阈值和随机权值、阈值；并且将梯度下降法进行添加记忆一项来改进。(Using BP neural network to solve XOR problem, the program which set up a constant weight and threshold and random weight and threshold value;And the gradient descent method to add a to impro
GA-BPNN
- 遗传算法优化BP神经网络-非线性函数拟合(BP neural network optimized by genetic algorithm for nonlinear function fitting)
weimo
- 基于发现蚁群算法优化神经网络是利用蚁群算法在解空间寻找出一组最优的权值和阈值，然后将这一组解带回到神经网络进行细致优化，从而得到最好的权值和阈值。(Found that the ant colony algorithm to optimize the neural network based on Ant Colony Algorithm in the solution space to find a set of optimal weights and threshold based on,
BPnetwork_code
- 手写体数字识别是模式识别中一个非常重要和活跃的研究领域，数字识别也不是一项孤立的技术，它所涉及的问题是模式识别的其他领域都无法回避的；应用上，作为一种信息处理手段，字符识别有广阔的应用背景和巨大的市场需求。因此，对数字识别的研究具有理论和应用的双重意义。(Handwritten numeral recognition is a very important and active research field in pattern recognition, digital recognition
dropout_and_minibatch
- 基于两层BP神经网络，加入dropout和softmax，输出层使用softmax，实现对手写字符库MNIST的识别，正确率达90%。(Based on the two level BP neural network, adding dropout and softmax, the output layer uses softmax to realize the recognition of handwritten character library MNIST, the accuracy ra
code(BP_to_MNIST)
- 使用BP神经网络实现手写字符库MNIST的识别。(The recognition of handwritten character library MNIST is realized by using BP neural network.)
bppid
- 基于神经网络bp的pid控制器，可以运行。(based on nerual network pid controller)
Untitled2
- BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用
bishe
- 使用BP神经网络，对异步电机故障识别的一个简单小例子。(Using BP neural network, a simple example of fault recognition of asynchronous motor is presented.)
matlab程序
- 完成水果的尺寸形状表面缺陷的判别，BP神经网络的训练判别表面缺陷(Fruit size, shape and surface defects are identified. BP neural network is used to identify surface defects.)
股票预测
- 采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。 将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。 网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted. The number of neurons in the i
libsvm-3.17
- 主要针对声品质预测模型使用的相关智能算法，包括支持向量机（SVM）和BP神经网络。(This paper mainly focuses on the relevant intelligent algorithms used in the sound quality prediction model, including support vector machine (SVM) and BP neural network.)
基于adaboostRT算法的bp神经网络的集成算法
- 一种拟合强非线性曲线的有效方法，稍作修改也可进行分类；算法中学习器也可自行选择以适应需求
基于遗传算法优化BP神经网络
- 利用遗传算法实现对BP神经网络的优。内容包含：GA主函数；GA-BPNN优化主函数；目标函数objfun；BPNN主函数；以及一个分类原始数据可供优化模型验证。