搜索资源列表
根据鸢尾花多组数据先训练网络再对样本进行测试
- 基于BP神经网络，根据鸢尾花多组数据先训练网络再对样本进行测试，给出分类结果,Based on BP neural network, in accordance with multiple sets of data iris network before training again for testing classification results are given
BP
- 简单实用的BP神经网络训练测试程序，稍加改进就可以使用-Simple and practical training of BP neural network testing procedures can be used to improve a little
neuralnetworks_hw_02
- 神经网络ＢＰ算法Ｃ程序，文件中包含训练数据及测试数据。文件中神经网络训练功能为８位奇偶校验功能。-BP neural network algorithm for C programs, files included in the training data and test data. Document the functional neural network training for eight parity function.
BP_neural_network_source_code
- BP神经网络源程序（程序是在VC++6.0环境下编译的，在低版本编译可能会出现错误！） 程序文件说明： 1、界面程序：wuzhou11.* 2、BP神经网络训练程序：LearnDlg.* 3、BP神经网络预报程序：ForecastDlg.* 4、BP神经网络说明程序：text.txt 5、测试范例：ldlqw11.* .nna 训练样本文件 .nnb 测试文件 .par 训练控制参数 .nnr 训练误差文件 .out 测试结果文件 .wgt 网络
bp--shenjingwangluo
- BP 神经网络用于预测 使用平台 - Matlab7.0数据为1986年到2000年的交通量 ，网络为3输入，1输出 15组数据，其中9组为正常训练数据，3组为变量数据，3组为测试数据-BP neural network to predict the use of platforms- Matlab7.0 data for 1986 to 2000, traffic volume, network, 3 inputs, 1 output 15 sets of data, of which
BP
- 三层BP神经网络，VS下编译一下源码即可使用，初始化，训练，测试的步骤都分开写了。-BP neural network, VS compiled at the source can be used, initialization, training, testing of the steps are written separately.
BP-net-sourceCode-C-language
- 原始的BP神经网络，c语言实现，代码简单，而且能够在训练完后，直接进行使用测试-The original BP neural network, c language, the code is simple, and can be finished in training, direct use test
BP
- BP神经网络matlab完整代码，包括训练代码、测试代码，将图像直接导入网络进行训练即可- BP neural network matlab complete code, including the training code, test code, the image directly into the network is trained to
BP神经网络训练和测试
- 三个程序，其中包括如何确定隐层节点数，BP神经网络训练和神经网络测试，替换相关数据即可使用。
BP神经网络运动状态分类
- 该程序可以通过训练集对所构建的BP神经网络进行训练，并能通过测试集，即对不同的运动状态进行分类。(The program can train the constructed BP neural network through the training set, and can classify the different motion states through the test set.)
GA-BP神经网络应用实例之MATLAB程序
- 使用MATLAB编写的GA-BP神经网络，可进行多组数据处理 % gap.xls中存储训练样本的原始输入数据 37组 % gat.xls中存储训练样本的原始输出数据 37组 % p_test.xls中存储测试样本的原始输入数据 12组 % t_test.xls中存储测试样本的原始输出数据 12组(MATLAB implementation of the GA-BP neural network,% gap.xls stored in the training sample of the
新建文件夹
- 将260个样本中随机抽出部分学生的身高和体重作为训练样本（男女生都有），然后训练一个BP神经网络，最后将剩下的样本输入网络进行测试，检测BP网络的分类性能。260个样本的体重和身高在文档中。可以在男生样本中抽取70%用来训练，在女生样本中抽取70%用来训练。(The 260 samples were randomly selected from the part of the students' height and weight as the training sample (boys and
BP神经网络的非线性系统建模_非线性函数拟合
- BP神经网络构建根据拟合非线性函数特点确定BP神经网络结构，由于该非线性函数有两个输入参数，一个输出参数，所以BP神经网络结构为2—5—1，即输入层有2个节点，隐含层有5个节点，输出层有1个节点。 从非线性函数中随机得到2000组输入输出数据，从中随机选择1900组作为训练数据，用于网络训练，100组作为测试数据，用于测试网络的拟合性能。(Construction of BP neural network for nonlinear function fitting structure acc
BP NN jiaochayanzheng
- 基于改进的BP神经网络的算法，并结合了交叉验证算法，划分为训练集与测试集进行改进。(Based on the improved BP neural network algorithm and the cross validation algorithm, the training set and test set are improved.)
BP
- bp神经网络进行交通预测的Matlab源代码 数据为1986年到2000年的交通量 ，网络为3输入，1输出 15组数据，其中9组为正常训练数据，3组为变量数据，3组为测试数据(Matlab source code for traffic prediction by BP neural network The data is the traffic volume from 1986 to 2000. The network is 3 input and 1 output. 15 group
Untitled 14 BP NN
- 用bp神经网络对故障信号进行分类，通过训练和测试数据，来验证结果(Using bp neural network to classify fault signals and verify results by training and testing data)
采用BP神经网络进行非线性预测
- 该代码包括单隐含层BP和双隐含层BP。建立基于BP神经网络的预测模型，对数据进行随机排列，选取训练样本和测试样本，训练样本训练网络，测试样本进行验证(The code includes single hidden layer BP and double hidden layer BP. Establish a prediction model based on BP neural network, arrange the data randomly, select training sample
基于遗传算法优化BP神经网络的非线性预测
- 针对BP神经网络的初始权值和阈值是随机选取的弊端，采用遗传算法寻优BP的初始权值和阈值，然后进行BP训练和测试。遗传算法包括编码 选择 交叉 和变异等操作(Aiming at the disadvantage that the initial weights and thresholds of BP neural network are randomly selected, genetic algorithm is used to optimize the initial weights and
BP神经网络语音识别
- BP神经网络语音识别，代码完整，在matlab中可以实现训练测试，根据自己的需求进行修改代码并应用。
MATLAB神经网络手写数字识别（GUI，论文）
- 本课题为基于MATLAB的BP神经网络手写数字识别系统。带有GUI人机交互式界面。读入测试图片，通过截取某个数字，进行预处理，经过bp网络训练，得出识别的结果。可经过二次改造成识别中文汉字，英文字符等课题。(This project is based on Matlab bp neural network Handwritten digit recognition system. With GUI human-computer interactive interface. Read in the