搜索资源列表
myworkonnnet
- 多层感知器(MLP)(BP算法训练)、径向基函数网络(RBF网络)、支持向量机(SVM)对2D Mexican Hat、Gabor、Friedman 以及Polynomial等几种函数数据集进行回归和预测-multilayer perceptron (MLP) (BP algorithm training), RBF network (RBF), Support Vector Machine (SVM) to 2D Mexican Hat, Gabor, Friedman Polynomial
svmbp
- 程序利用svm分类结合bp算法完成图像中的分类和预测问题,这是模式识别中的一个比较新颖的方法。-svm procedures for the use classification algorithm combining bp image classification and prediction, This is the pattern recognition of a relatively new method.
svmandBPwithmatlab
- 支持向量机非线性回归通用matlab程序 支持向量机和BP神经网络非线性回归之比较研究-SVM nonlinear regression procedures common Matlab support vector machines and artificial neural networks to nonlinear In the Comparative Study
elm_fun
- 本人修改过的elm的matlab算法,该算法比原来的elm的算法在超过3个神经元后的计算速度能明显加快!原理是运用函数产生列矩阵!! ELM 是一种快速的神经网络算法,本人已经比较过,比很多流行的算法(BP,SVM)都快,而且效果很好,运行环境是matlab,可以测试所有的benchmark的数据
elm
- 神经网络的ELM算法,比传统的BP和SVM都快,而且效果也很精确。运行平台是matlab,本人已经对原始ELM做了修改,可以适应多种函数,而且在数据处理方面自动产生分类矩阵。
MATLAB-Neural-network-cases
- 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。-Neural network cases
qpso
- 基于量子行为的粒子群算法的MATLAB的源程序,已测试可以用-Based on the quantum behavior of particle swarm optimization MATLAB source, have been tested can be! !
finish
- 可以进行包括bp神经网络以及svm支撑向量机和其他多种方式的模式识别进行数字识别,可以导入白底黑字的图片,也可进行手写识别。-Bp neural network can be included, and svm support vector machines and other pattern recognition in many ways digital identification, black and white images can be imported, but also the
0903
- 基于遗传算法的bp神经网络对基因芯片数据进行分类,能进行准确的分类,能运行。很实用-bp svm matlab
Machine-Learning-Toolkit-Examples
- labview关于机器学习的案例,来源于NI lab,有多种方法:BP、Kernel PCA、Clustering、svm等等,值得大家学习。-labview on the case of machine learning, from the NI lab, there are a number of ways: BP, the Kernel the PCA, Clustering, svm, etc., is worth learning.
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
Support-vector-machine-
- 提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上,建立了一个适合于支 持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。 与BP神经网络相比,支持矢量机具有更高的识别率和更强的推广能力。-This paper presents a novel support vector machine based Chinese tone recognition method.A new tone recognition
Tone-Recognition
- 调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实 验,首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取,然后建立了适合于支持向 量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别,与 BP神经网络相比,支持向量杌具有更高的识别率。-Tone is an essential component for word formation in Chinese languages
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题,提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维,再将处理后的特征用于过完备字典训练与稀疏表示识别方法,从而给出了语音情感特征的稀疏表示方法,并确定了新算法的具体步骤.为验证其有效性,在同等特征维数下,将方法与BP, SVM进行比较,并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明,所提出方法的识别率比SVM与BP高 与采用稀疏化前的
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
genetic
- 遗传算法用于神经网络BP和支持向量机SVM参数的优化-GA was used to optimize BP and SVM( support vector machine) parameters.
PCA-BEL(ToolBox1.0)
- 又提供一基于生理的情感神经网络,包含杏仁体,丘脑,视觉神经等重要元素,可用于分类与预测,性能优越于SVM,BP-The use of neural network based on emotional physiology, contains important elements of the amygdala, thalamus, optic nerve, etc., can be used for classification and prediction, superior perform
nn_basic
- 神将网络中初学必备代码,包括BP、rbf、svm等基础知识-the basic learning code of neural network ,including bp、rbf、svm .....
BP.SVM
- 这是遗传算法优化支持向量机代码。用于matlab分类应用-This is a genetic algorithm optimization support vector machine code. Applications for classification matlab
pattern-recognition
- 模式识别相关文章,包括SVM与BP神经网络的相关识别研究与进展-Pattern recognition related articles, including related research and development of SVM Recognition and BP neural network