搜索资源列表
newpnn
- 基于GMM的概率神经网络PNN具有良好的泛化能力，快速的学习能力，易于在线更新,并具有统计学的贝叶斯估计理论基础，已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点，还具有许多GMM没有的优点，如强鲁棒性，需要更少的训练语料，可以和其他网络其他理论无缝整合等。-GMM based probabilistic neural network PNN good generalization ability, the
ToyExample1
- 一个关于KHA的算法，他是一种在KPCA基础上进一步训练的算法-a 5,500 on the algorithm, he is a KPCA in further training on the basis of the algorithm
speech classification
- 这是一个以HMM为基础的语音训练模形源码从中可以了解HMM如何做参数撷取及如何辨识-this is a HMM-based voice training from the source pattern HMM can understand how to do and how to capture parameter identification
ASM3
- cootes提出的ASM算法的matlab实现。在cootes用于课堂使用的源代码的基础上改写。改正了原来代码中的一些错误，加入了方便使用的样本训练标注保存环节。供图像分析处理，模式识别，人工智能研究者使用。-the ASM Algorithm Implementation of Matlab. Cootes used in the classroom use of the source code on the basis rewritten. To correct the original s
C++200eg
- C++程序200个例子，其中从基础出发，由浅入深，很好的作为学习C＋＋的配套训练。-200 C Program, in which from the base, elementary, as a good learning C + + support training.
HTK-samples-3.4
- 隐马项目\\HTK-samples-3.4.zip 这是一个以HMM为基础的语音训练模形源码从中可以了解HMM如何做参数撷取及如何辨识 -Hidden projects \\ HTK-samples - 3.4.zip this is a basis for the HMM Voice training pattern source from which one can understand how HMM parameters extracted and How to Tell
ImprovedAlgorithmBasedonKernelFunctionandApplicati
- 本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿
Fsvm_Regression
- 该文研究了当训练点的输出为三角模糊数时!支持向量回归机的构建问题’ 首先将模糊回归问题转化为模糊分 类问题!并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题’ 利用基于模糊模拟的遗传算法 求解带有模糊决策的机会约束规划!得到模糊最优分类超平面&模糊方程$!解模糊方程得到模糊回归函数’ 在此基础上! 得出模糊线性支持向量回归机&算法$’ 从而较好地解决了支持向量机中含有模糊信息的模糊回归问题’ 最后!给出显示 模糊线性支持向量回归机特点的模糊支持向量集的定义’
supervisedWSD
- 利用贝叶斯分类原理实现多义词的消歧。首先利用训练语料进行训练，然后基于机器已经获取的知识的基础上对生语料进行词义标注。
BPwnn
- 讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
TrainSOMNet
- 神经网络中网络训练的源代码，最基础的。内含参数，可以更改
wjyl_kcsj_dg
- 《微机原理与应用》课程设计教学大纲 《微机原理与应用》课程设计是配合本科通信工程专业的专业基础课程《微机原理与应用》而开设的重要专业实践环节。目的是培养学生微型计算机硬件设计和汇编语言编程的实际工程的能力，通过该课程设计，使学生对微处理器的内部结构及工作原理建立一个整体的概念，训练学生对软件和硬件的分析、设计与上机调试的能力。要求学生掌握设计8086微机接口、接口编程，并通过微机原理实验箱验证其设计的程序正确性等综合设计实验能力。
neural-network-back-propagation-algorithm
- 每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
Exampleswitness2
- witness得基础模型，适合初学者，这一包有tank,shift,timeseries,和将报表弄出来的训练模型
CPN+BP+VC++
- CPN能提供强大的分类功能.介绍CPN(Counter Propagation Networks)神经网络的结构、训练及计算的基础上,详细讨论了CPN在离散事件动态系统(DEDS)仿真、仿真优化等方面的应用。
nihongdeng
- 此源码是基于凌阳系列单片机编写的，主要是训练对凌阳单片机的基础。 霓虹灯为多样式变化的，可以修改源码来实现自己的想法！
停车诱导系统中车位预测模型的研究
- 停车诱导系统中车位预测模型的研究 摘 要 研究城市停车诱导系统的停车车位占有率预测问题。首先提出墓于B P神经网络的车位占有预测模型， 同时将自适应 学习速率调整法和加入动量项方法用于改善基本B P神经网络， 优化了学习速率， 减少了训练过程的震荡趋势， 改善了网络的收效 隆。以此为基础实现了停车位的智能预测 0最后， 进行了多种方法比对实验
Training
- 极限学习机的回归拟合——对比实验研究，改进BP算法的一些缺点，在ELM算法的基础上进行回归拟合预测。(Regression fitting Some shortcomings of BP algorithm are improved, and regression fitting prediction is carried out on the basis of ELM algorithm.)
elm_train_predict
- 基础分类和回归实验，点击解压，输入训练和测试数据(Basic classification and prediction experiment)
基于8051+PROTEUS仿真100实例
- 各种关于51/52单片机的基础编程100实例，适合基础训练(All kinds of basic programming examples about 51/52 single chip computer, suitable for basic training)