搜索资源列表
offline-character-recognise
- 脱机字符识别算法，包括手写数字识别之Fisher线性判别，手写数字识别之模板匹配法，数字识别之神经网络法，细化算法 -offline character recognition algorithms, including handwritten digital identification Fisher Linear Discriminant. Handwritten identification template matching, digital identification neura
zifushibie
- 包括: 手写数字识别之Fisher线性判别 手写数字识别之模板匹配法 数字识别之神经网络法 细化算法-include : Handwritten identification Fisher Linear Discriminant handwritten digital identification template matching identification number of neural network method in Algorithm
ANN_Control
- 神经网络控制工具箱。包括最优控制，反馈线性化控制，预测控制，前馈控制等。内有说明文件readme.txt-neural network control toolbox. Including optimal control, linear feedback control, predictive control, feedforward control. Have documentation readme.txt
offlineRec
- 数字图像识别中的脱机字符识别：手写数字识别之Fisher线性判别、手写数字识别之模板匹配法、数字识别之神经网络法、细化算法。-Digital Image Recognition of Offline Character Recognition : handwritten digital identification Fisher Linear Discriminant. Handwritten identification template matching, digital identific
worddistinguish
- 脱机字符识别算法，包括手写数字识别之Fisher线性判别，手写数字识别之模板匹配法，数字识别之神经网络法，细化算法 -offline character recognition algorithms, including handwritten digital identification Fisher Linear Discriminant. Handwritten identification template matching, digital identification neura
BP2dim2u2-1
- 这是关于BP神经网络的源程序,用于两类线性可分的数据的分类-on Neural Network source for the two types of linear separability of the data classification
2004ChinaUndergraduateMathematicalContestinModelin
- 2004China Undergraduate Mathematical Contest in Modeling (CUMCM)是2004年全国数学建模大赛的题目（B题）。现将题目，建模过程及利用“多元线性回归和人工神经网络”解题的源代码上传给大家一起分享。
fileget
- 共有五种算法 ：A star 算法类的实现，Bp神经网络解决异或问题，联机手写数字识别，联机数字、英文字符及汉字识别，8数码游戏,本算法为手写数字识别之Fisher线性判别
NEURAL+NETWORK
- bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。
triplehandstandpendulum
- 首先对非线性模型在控制目标附近进行线性化得到相应的状态空间表达式，再对线性模型设计LQR控制器，进而用此控制器控制非线性倒立摆，取得训练神经网络控制器的数据，最后用这些数据训练得到神经网络控制器，最终基于神经网络的（一、二、三级）倒立摆控制均取得了很好的控制效果；
fenlei
- 模式识别，一个很好的数字，图形程序，包括了很多种算法，样本设计，摸板匹配，BYS分类器，线性分类器，非线性分类器，神经网络分类
linearclassfier
- 脱机字符识别，手写数字识别之模板匹配法，数字识别之神经网络法，手写数字识别之Fisher线性判别，基于Fisher准则线性分类器设计 进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更深刻地认识，理解Fisher准则方法确定最佳线性分界面方法的原理
222
- 建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理, 提取了语音信号的线性预测系数、线性预测倒谱系数和Mel 倒谱特征系数, 建立了基于自组织神经网络的识别判决模型.
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_guipack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别， Bayes分类器识别（使用二值数据的Bayes方法,最小错误概率的Bayes方法，最小风险的Bayes方法)，线性函数分类法识别（Fisher算法，奖惩算法，增量校正算法，LMSE算法的识别），非线性分类法（势函数法）识别，神经网络分类法识别（包括神经网络训练，神经网络建立后输出权值，测试与比较，神经网络识别）。 运行完全正确，是学习VC实现不同分类识别方法的很好代码。
sjwl
- 神经网络理论与MATLAB7实现 书籍和源码打包在一起了. 分别介绍了几种比较重要的神经网络类型，包括感知器、线性网络和BP网络等，并介绍了这些网络的结构及学习算法，以及MATLAB的实现方法。第6章介绍了神经网络的图形用户界面
BP
- 用bp神经网络对sin(x)拟合,隐含层采用sigmoid函数，输出层采用线性函数,