搜索资源列表
autolife
- Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵
Fortran_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
11
- 反向传播算法也称BP算法。由于这种算法在本质上是一种神经网络学习的数学模型，所以，有时也称为BP模型。-Back-propagation algorithm, also known as BP algorithm. As a result of this algorithm is essentially a neural network to learn the mathematical model, therefore, sometimes referred to as BP model.
22
- 反向传播算法也称BP算法。由于这种算法在本质上是一种神经网络学习的数学模型，所以，有时也称为BP模型。-Back-propagation algorithm, also known as BP algorithm. As a result of this algorithm is essentially a neural network to learn the mathematical model, therefore, sometimes referred to as BP model.
BP
- 反向传播算法也称BP算法，是一种神经网络学习的数学模型，解决多层前向神经网络的权系数优化-Back-propagation algorithm, also known as BP algorithm is a neural network study of the mathematical model and solve multi-layer feedforward neural network weights optimization
rl
- 人工神经网络(Aartificial Neural Network，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家Warren S.Mcculloch和数学家Walth H.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP算法，Back Propagation)，它的网络
Predictionmatlab
- Back-Propagation Neural Network Model for predicting the traffic situation of Australia. -This procedure aims to solve the prediction of the Australia Highway traffic situation.
bp
- 基于人工神经网络误差反向传播BP的水质预测模型-Based on back propagation artificial neural network prediction model of water quality BP
C_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
Matlab_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
Channel
- 用jake模型分析通信中多径传播的影响，内容包括所有源程序和文档报告-Communication with jake model the impact of multipath propagation, including all source code and documentation reports
BP
- 构建BP神经网络，源码。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-BP neural network to build, source. BP network can learn and store a lot of input- out
C-genetic-algorithm-code
- 传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法-Propagation algorithm (Genetic Algorithm) is a simulation of Darwin' s biological theory of evolution by natural selection and genetic mechanism of the computational mo
BPTS_NetWork
- 一种基于误差反向传播的BP学习算法的模糊神经网络模型，作为非线性映射的有效工具。-A method based on back propagation BP learning algorithm for fuzzy neural network model of nonlinear mapping, as an effective tool.
Model-for-waves-guided
- The Semi-Analytical Finite Element SAFE method is becoming established as a convenient method to calculate the properties of waves which may propagate in a waveguide which has arbitrary cross-sectional shape but which is invariant in the propagatio
BA_net1
- ba网络的传播模型，matlab编写的，还有上传的c++版的，应该都比较好用。-ba network propagation model written in Matlab, as well as upload c++ version, it should be relatively easy to use.
BP_network
- BP神经网络，用于实现简单的二次函数的模拟，其具体的训练算法是误差反传-BP neural network, which is trained by error back-propagation algorithm, this example shows a simple quadratic function model.
StandardBPalgorithmCode
- 该代码是基于标准BP算法训练样本数据的代码，压缩包里包含代码和样本数据。 BP(Back Propagation)神经网络，即信号的正向传播+误差的反向传播，该网络是应用最广泛的一种神经网络模型。BP网络的设计主要包括输入层,隐层,输出层及各层之间的权值、阈值及传输函数等几个方面。-The code is based on code standard BP algorithm training data, compression bag containing the code and sampl
self-taught-learning
- 自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。-Independent Learning the encoder and the sparse classifiers achieve the combination. First through sparse coding since no label was ha
5
- BP学习算法逼近墨西哥草帽函数 在Windows环境中利用Matlab实现BP学习算法在达到期望均方误差最小的情况下正确表达墨西哥草帽函数。 实验目的：1.理解BP神经网络结构模型，初步了解BP网络的用途。 2.学习BP学习算法，掌握误差往回传播网络的构建思想。 3.能够正确使用BP学习算法表达墨西哥草帽函数。 -BP learning algorithm Mexican hat function approximation BP learning algorithm