搜索资源列表
BPnetwork
- 该程序是用C语言写的采用了动量方法的BP神经网络，它具有极其强大的扩展性，可用于函数的逼近及分类识别等各方面，语言书写规范，其中大量使用了动态分配一、二维数组的方法，该网络实例中实现的是对某一函数的逼近，输入层为二层，中间层可自己设定多达十几层，逼近精度非常精确。读者可根据自己的需要设定各层的数目以及相应的训练样本进行训练与测试。
adult_net
- BP神经网络预测个人的收入信息，其中adult.data为训练数据，adult.test为测试数据-BP neural network to predict the income of personal information, which adult.data data for training, adult.test test data for
BPNN
- 该程序包包含三个函数，一个用于建立BP神经网络，一个用于训练该网络，最后一个用于测试样本。-The package contains three functions, one for the establishment of BP neural networks, one for training the network, the last one for the test samples.
Bp-recognition-program
- 一个BP神经网络的matlab程序把训练数据拷入，load的*.m文件中, 文件中部load的*.m为测试数据 save 存盘的文件为测试数据的bp预测值, 该程序可以扩充n个输入,n个输出,很容易-A BP neural network matlab program
BP
- 误差逆向传播反馈BP网络，在VC++6.0环境下编译，包括1、界面程序；2、BP神经网络训练程序；3、BP神经网络预报程序；4、BP神经网络说明程序；5、测试范例。-Reverse the spread of error feedback BP network, in VC++6.0 compiler environment, including one, the interface procedures 2, BP neural network training procedures 3,
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
BP
- 神经网络的计算，包括训练和测试两部分，利用的是最小均方误差算法。-Nerual network calculation,including training and working part,utilizing MMSE algorithm.
BP-neural-network-predict--
- 利用MATLAB的自带工具箱函数实现了北京2009年12个月份气温、降水和气压的走势预测，且效果比较好。 BP神经网络 Bp.m BP神经网络MATLAB程序 bp_ds.xls 训练集输入 bp_nds.xls 训练集输出（目标训练集） bp_td.xls 测试集输入 bp_ntd.xls 测试集输出（目标测试集） BP神经网络预测天气值.doc 论文 -Use of MATLAB toolbox to realize the function
MATLAB-based-BP-network-design
- 利用Matlab6.5神经网络工具箱，以一组动态冲击实验数据为例建立网络模型。实验数据共有13组，将其中对曲线形状有关键性影响的10组数据作为网络的训练数据，另外3组作为测试数据用以验证网络的预测性能。- Use Matlab6.5 Neural Network Toolbox, a dynamic impact test data, for example the establishment of the network model. Experimental data, a total
BP-ANN
- 建立一个BP神经网络。进行训练和测试，数据样本包含在压缩文件中-Build a BP Artificial Neural Networks.Train and test the data in the rar file
ABpTRAININGd
- 自适应步长BP神经网络训练算法，采用最小误差和梯梯度下降法更新权值 ，经测试可直接使用。 -Adaptive step size BP neural network training algorithm, the minimum error and ladder gradient descent to update the weights, has been tested and can be used directly.
BpNeuralNetwork
- 用c语言实现了bp神经网络，并进行了测试，使用训练好的神经网络进行加法运算。-Bp neural network using the c language testing, the use of trained neural network to perform addition.
BP
- 基于LABVIEW的BP神经网络,里面包含样本训练、样本测试，以及神经网络识别-神经网络
program
- 编写了一个pso优化bp神经网络的程序，应用在分类中。第一步：pso优化bp神经网络得到最优的阈值和权值，第二步bp神经网络把该最优的阈值和权值作为初始阈值和权值，采用动量及自适应学习速率算法进行训练。附件中，是数据和编写的部分程序，tiqushuju是用来提取文本中的数据构造样本集的函数。mubiao是用来构造期望输出的函数。bp是已经编写好的，未使用pso优化的bp神经网络函数。pso是本人编写的pso优化bp神经网络的函数，psobp是采用pso优化的阈值和权值作为bp神经网络的初始权值和
bp_demo
- BP神经网络软件（BPGUI）：支持手动输入数据和从外部导入数据两种方式；用户可以自定义训练集和测试集占全部数据的百分比，设定完成后，软件随机产生训练集和测试集；支持归一化和不归一化两种数据预处理方式；用户可以自定义网络的结构参数和训练参数；具有绘图功能，可以对比测试集的真实值与预测值；支持网络及数据的保存；具有菜单选项，用户可以通过菜单执行相应的操作；具有右键功能，用户可以通过右键快速执行相应的操作；-The BP neural network software (BPGUI) : suppo
bp_network
- 对两种类型的纹理图像，各选取30幅，计算灰度共生矩阵，提取特征向量；构件BP神经网络分类器，用每种类型的前20幅对分类器进行训练，后10幅用来测试分类效果。-Two types of texture image for each select 30 calculated GLCM, extracting feature vectors member BP neural network classifier, before use each type of 20 pairs classifier
BP-neural-network--based-on-Joone
- 基于joone编写的bp神经网络算法，并用到中文分词中，其中以“这支歌太平淡无味了”分词为例， 这支/歌/太/平淡/无味/了 为正确结果，分别获取两者的unicode的二进制形式作为输入样本和期望样本进行训练和测试。-Based joone written bp neural network algorithm, and used in Chinese word, unicode binary form as the input sample and expectations samples f
BP_ANN-matlab
- BP神经网络，用于函数逼近。程序中先用一定间隔的函数数值对神经网络进行训练，待算法大致收敛后，然后用测试数据进行测试。并输出函数逼近的误差-BP feed-forward backpropagation network，which is used to approximate function.
BPwinsorter
- 本程序采用自己编写的一个三层BP神经网络来训练一个葡萄酒分类模型，数据放在data.dat中，包含178个13维的葡萄酒数据样本，取其中的138个样本作为训练样本，40个样本作为测试样本-The program uses I have written a three BP neural network to train a wine classification model, data on data.dat the wine contains 13 178 data samples dimen
PSO-BP程序
- 用粒子群优化BP神经网络matlab代码 %以下是训练数据，前4列为输入，第5列为输出 5.700 3.800 0.3175 2.33 2310 4.550 3.050 0.3175 2.33 2890 2.950 1.950 0.3175 2.33 4240 1.950 1.300 0.3175 2.33 5840 1.400 0.900 0.3175 2.33 7700 1.200 0.800 0.3175 2.33 8270 1.050 0.700 0.3175