搜索资源列表
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
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
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
ElmanShenJingWangluoYuCe
- SVM神经网络中的参数优化 -如何更好的提升分类器的性能-SVM neural network classifier parameter optimization performance improvement- how the better
TextureClassification-master
- matlab实现文本分类，内含两个分类器，主要采用线性回归和神经网络-Matlab achieve text classification, containing two classifiers, mainly using linear regression and neural network
test
- 使用matlab] 利用神经网络单层感知器 对图像数字二值化进行判断分类 -Use matlab] single-layer perceptron neural network for digital image binarization judgment Categories
BPtest
- 利用人工神经网络作为分类器，对输入的EMG信号进行模式分类。-pattern recognition
Compression-perception-algorithm
- 神经网络故障诊断，基础贝叶斯分类器，有向图的画法和应用。-Compression perception algorithm
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)