搜索资源列表
nnforcast
- 本程序根据训练好的网络文件ANN.mat预测新的数据文件，得到均方误差，并画出预测数据和原数据的对比图。此程序运用到了很多Matlab编程中常用到的表达方式，还有一些神经网络编程的基本概念的表达，如归一化的表达。希望能对别人有所帮助.-the procedures under the trained network file ANN.mat anticipating new data files, to be mean-square error. and the mapping out of t
networkprograms
- 一些MATLAB的程序,,其中有BP神经网络集成的程序,在数据处理时采用归一化函数-some procedures, including BP network integration procedures, In data processing used to a function of
PCA_fuzzy_c-means_method
- 首先对原始数据 归一化 然后进行PCA分析 采用PCs作为特征， 进行模糊聚类分析 fuzzy c-means method
Mybpv2.0
- 对样本数据进行了归一化处理的BP算法，有比较好的收敛性
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
GASVM.用遗传算法进行特征选取和svm参数优化的程序
- 用遗传算法进行特征选取和svm参数优化的程序。遗传算法工具箱goat已在压缩包 需要安装libsvm就可以直接运行。数据集采用UCI中的german数据集，并完成归一化操作,Genetic algorithm with feature selection and parameter optimization svm procedures. Genetic Algorithm Toolbox in goat need to install libsvm package can be run dir
guiyihua.rar
- mtlab神经网络数据归一化源代码，在实际处理数据时很有用，希望大家能够分享~,mtlab neural network data normalized source code, when in the actual processing of data was very useful, hope that we can share ~
BP
- BP神经网络的整个训练过程（从数据剔除，平滑处理，归一化，到构建训练网络，反归一化，你拟合作图）毕设课题作业，保证可用-BP neural network the training process (removed from the data, smoothing, normalization, to build the training network, anti-normalization, you wish to cooperate diagram) subjects completed
bp_v1_2
- -----引入动量的算法 建立一个3层（含输入层）的BP神经网络，并对其进行训练 输入层不进行数据处理，隐含层激活函数为sigmod函数，输出层为线性函数 输入输出数据归一化到[-1,1]，数据在矩阵中按行向量表示 即x=[x11,x12 x21,x22 ... xp1,xp2] y=[y1 y2 ... yp] p为样本数 -The introduction of the algorithm ----- momentum to build a three-layer (
123
- 关于神经网络归一化方法的整理 由于采集的各数据单位不一致，因而须对数据进行[-1，1]归一化处理，归一化方法主要有如下几种，供大家参考：-Naturalization on the neural network method of finishing a collection of various data unit due to inconsistencies, which will require the data [1,1] normalized, normalized severa
bpprogramming
- 这个程序根据训练好的网络文件ANN.mat预测新的数据文件，得到均方误差，并画出预测数据和原数据的对比图。此程序运用到了很多Matlab编程中常用到的表达方式，还有一些神经网络编程的基本概念的表达，如归一化的表达。希望能对大家有所帮助-This program the trained network file ANN.mat predict new data file, get the mean square error, and forecast data and the original d
nntrain
- 通过对数据进行归一化处理，进行神经网络的训练，并最终的到满意的结果-Normalized by the data processing, the neural network training, and the final results to the satisfaction
AHU
- 神经网络建立的空调系统空气处理单元模型；simulink模型mdl，附带相关数据及归一化处理程序-Air-conditioning system neural network model of air handling units simulink model mdl, with relevant data and normalization process
myBPnet
- 很好的BP神经网络预测程序 包含数据归一化，网络训练和仿真，以及预测-BP neural network program contains data normalization, network training and simulation, and forecasting
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
SVMANN_matlab_code.
- 使用支持向量机进行非线性回归，得到非线性函数y=f(x1,x2,…,xn)的支持向量解析式， 求解二次规划时调用了优化工具箱的quadprog函数。本函数在程序入口处对数据进行了 [-1,1]的归一化处理，所以计算得到的回归解析式的系数是针对归一化数据的，仿真测 试需使用与本函数配套的Regression函数。- Using non-linear support vector machine regression, nonlinear function y = f (x1,
BPtrain
- BP神经网络实现测试数据预测(将训练集与测试集数据进行归一化 建立BP神经网络，并训练；利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测；输出结果并绘图)-BP neural network to predict the test data (the training set and test data set is normalized the BP neural network and training use of the trained BP neural netwo
funpiuhui
- 是学习PCA特征提取的很好的学习资料，数据模型归一化，模态振动，Gabor小波变换与PCA的人脸识别代码。- Is a good learning materials to learn PCA feature extraction, Normalized data model, modal vibration, Gabor wavelet transform and PCA face recognition code.
setay
- 数据模型归一化，模态振动，基于分段非线性权重值的Pso算法，在MATLAB中求图像纹理特征。- Normalized data model, modal vibration, Based on piecewise nonlinear weight value Pso algorithm, In the MATLAB image texture feature.
MachineLearning_Steps.py
- python做机器学习的基本步骤，包括了数据收集，数据归一化，数据的特征值选择，最后使用几个算法进行测试(The basic steps for machine learning with Python)