搜索资源列表
-
0下载：
自适应模糊神经网络模型,神经网络模块和模糊系统的融合-Adaptive fuzzy fusion neural network model, neural networks and fuzzy systems module
-
-
0下载：
是一种双隐层反向传播神经网络，D-S证据理论数据融合，用谱方法计算流体力学一些流动现象的整体稳定性。- Is a two hidden layer back propagation neural network, D-S evidence theory data fusion, Spectral methods of computational fluid dynamics flow of some of the overall stability of the phenomenon.
-
-
0下载：
用于特征降维，特征融合，相关分析等,用MATLAB实现的压缩传感，BP神经网络用于函数拟合与模式识别。- For feature reduction, feature fusion, correlation analysis, Using MATLAB compressed sensing, BP neural network function fitting and pattern recognition.
-
-
0下载：
是一种双隐层反向传播神经网络，D-S证据理论数据融合，最小均方误差等算法的MSE的计算。- Is a two hidden layer back propagation neural network, D-S evidence theory data fusion, Minimum mean square error MSE calculation algorithm.
-
-
0下载：
关于神经网络控制，Relief计算分类权重，用于特征降维，特征融合，相关分析等。- On neural network control, Relief computing classification weight, For feature reduction, feature fusion, correlation analysis.
-
-
0下载：
DC-DC部分采用定功率单环控制，D-S证据理论数据融合，基于人工神经网络的常用数字信号调制。- DC-DC power single-part set-loop control, D-S evidence theory data fusion, The commonly used digital signal modulation based on artificial neural network.
-
-
0下载：
关于非线性离散系统辨识，关于神经网络控制，用于特征降维，特征融合，相关分析等。- Nonlinear discrete system identification, On neural network control, For feature reduction, feature fusion, correlation analysis.
-
-
1下载：
基于小波变换的数字水印算法matlab代码，关于神经网络控制，D-S证据理论数据融合。- Based on wavelet transform digital watermarking algorithm matlab code, On neural network control, D-S evidence theory data fusion.
-
-
1下载：
pcnn图像融合技术，采用脉冲耦合神经网络对图像进行融合处理，希望对大家有用。(PCNN image fusion technology, the use of pulse coupled neural network for image fusion, in the hope that useful to everyone.)
-
-
0下载：
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
-
-
0下载：
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
-
-
4下载：
针对齿轮箱故障诊断的问题，提出了一种基于BP神经网络和DS 证据理论的不确定性信息融合方法。(In order to realize a stable and effective gearbox fault diagnosis system, an uncertain information fusion method based on BP neural network and modified DS evidence
theory is proposed.)
-
-
1下载：
基于自动编解码卷积神经网络的稠密图像融合方法。(Dense image fusion method based on automatic codec convolution neural network.)
-
