搜索资源列表
Hamming_NN
- Hamming 神经网络从功能上来看是最小Hamming 距离分类器．利用它能够完成不完整输入信息与所存储模式的最小汉明距离分类． Hamming 网络是一个双层神经网络，第一层网（即匹配子网络）是用来计算输入模式与该网络已经学习过的各样本之间的匹配测度．第二层网（即竞争子网络）接收从匹配子网络送来的未知模式与已存各样本的匹配测度，然后经过多次迭代运算就可以求得与输入模式相匹配的样本．-Hamming neural network from the functional point o
DSPLIT
- 本程序是含有模式别领域的处理图像的各种分类器：模板匹配分类器，Bayes分类器，神经网络分类器，几何分类器等，源图像请自行解决
mm
- 感知器算法实验 w1 w2 分类 早期“人工神经网络”模型-Perceptron classification algorithm w1 w2 early experimental
BBP--nnnP
- BP神经网络分类器程序源码有两种运行状态，一个是学习，另外一个是分类。在学习状态下，在Dos命令符下输入bp learn，便开始学习了，学习的结果放在weight.dat中；在工作状态下，在Dos命令令符下下输入bp work，便开始识别classfyme.dat中的数据了，识别完成后，结果放在results.dat中。在bp运行的任何一种状态下，都不能手工打开Weight.dat、Sample.d -BP neural network classifier program source c
BP神经网络分类器Mat程序
- BP神经网络分类器Mat程序,matlab开发环境，主要用于模式识别中的分类器的设计。-A mat procedure about BP neural network.
BPnn
- 很有用的BP神经网络分类器的matlab实现An important codes utilized in Matlab for bp -Useful BP neural network matlab to achieve An important codes utilized in Matlab for bp NN
BP(adaboost)
- BP神经网络作为若分类器，反复训练BP神经网络预测样本输出-As if the BP neural network classifier, repeated training samples of BP neural network output
Neural-Network
- 应用神经网络与神经网络相关的几个问题,这包裹集中经典分类器,和图像分割,特别是彩色图像分割和过滤-Application of neural networks is associated with several issues related to the neural network, which wrapped centralized classical classifier, and image segmentation, especially color image segmentati
logical
- 运用感知器神经网络实现数字逻辑，逻辑与，逻辑或等，并可以结合bp神经网络。并可以做出误差图，分类图等。-Realization of digital logic, using the perceptron neural network logic and the logic or etc, and can be combined with BP neural network. And can make the error chart classification chart.
nn
- 自己根据理解写的小程序。实现神经网络感知器的分类功能。使用python。-Little program written by personal understanding.The function of neural perceptron network classification.Using Python.
SVM-neural-networks-
- SVM神经网络中的参数优化 -如何更好的提升分类器的性能 绝对可以无错运行-SVM neural network classifier parameter optimization performance improvement - how to better the absolute can be error free operation
SOMShenJingWangluoFenLei
- SVM神经网络中的参数优化 -如何更好的提升分类器的性能 绝对可以无错运行-SVM neural network classifier parameter optimization performance improvement - how to better the absolute can be error free operation
BP神经网络故障诊断
- 基于BP神经网络的故障诊断与识别，用于简单的模式识别。
chapter5
- 基于BP_Adaboost的强分类器设计——公司财务预警建模(Design of strong classifier based on BP_Adaboost -- modeling of company financial early-warning)
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
神经网络
- 基于MATLAB编写的神经网络单层感知器分类(Neural network single layer perceptron classification based on MATLAB)
分类器
- 模式识别分类器，利用Fisher判别对数据进行分类以及BP神经网络的方法进行分类(Pattern recognition classifier, the use of Fisher discriminant classification of data and BP neural network method for classification)
code
- matlab单层神经网络实现与逻辑，感知器是一种最简单的神经网络，可以解决最简单分类问题。在本经验中，利用了MATLAB代码简单实现了一个单层神经网络的感知器，对“与”逻辑运算进行了训练和学习，以便我们深入地了解感知器的构造。(Implementation and logic of MATLAB single layer neural network)
MLP_iris
- 一个简单的多层感知器实现鸢尾花数据的分类的代码(use mlp to realize the classification of Iris dataset)