搜索资源列表
广义异或集成神经网络算法
- 本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。 -this pro
RBF-nn
- 4输入层，３隐层，２输出层的RBF神经网络分类器 附有测试和训练样本-four input layer, hidden layer 3, the output layer 2 RBF neural network classifiers with testing and training samples
BP-nn
- BP神经网络分类器 程序有两种运行状态，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命令符下输入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.dat、classfyme.dat、results.dat中的任何一种。~..~-BP neur
DSPLIT
- 用vc++编写的图像分类，包括Bayes.神经网络分类器等。有界面，代码。
BP神经网络分类器C程序
- BP神经网络分类器C程序-BP neural network classifiers C Program
基于感知器神经网络处理复杂的分类问题
- 基于感知器神经网络处理复杂的分类问题-based perceptron neural network to handle complex classification problems
利用双层感知器神经网络处理线性不可分的分类问题
- 利用双层感知器神经网络处理线性不可分的分类问题-use double perceptron neural networks to handle non-linear classification
基于BP神经网络设计分类器
- 基于BP神经网络设计分类器，MATLAB源程序例子。-Design based on BP neural network classifier, MATLAB source code examples.
matlab
- 神经网络分类器的实现方法，毕业论文很有用-Neural network classification method for realizing, by graduation
Bpn1ha
- 用BP神经网络分类器进行分类识别的matlab源代码-Using BP Neural Network Classifier for classification and identification of the matlab source code
nn
- 线性神经网络，BP神经网络，Hopfield神经网格，Elman神经网络，RBF神经网络；在模型应用模块中实现了六种实际应用：RBF网络的船用柴油机故障诊断，BP网络的齿轮箱故障诊断，SOM网络的回热系统故障诊断，BP网络的设备状态分类器，SOM网络的人口比例样本分类，SOM网络的土壤性状样本分类。-Linear neural network, BP neural network, Hopfield neural network, Elman neural network, RBF neural
BPFenhleiqi
- 本文介绍了一种新的多神经网络分类器集成方法,适合学习神经网络的学习者参考-This paper introduces a new multi-neural network classifier integration method, suitable for learners to study neural network reference
ex3
- 基于BP神经网络识别字符. BP神经网络算法是把一组样本输入输出问题转化为一个非线性优化问题，并通过梯度算法利用迭代运算求解权值的一种学习方法。采用BP网络进行分类，并附加线性感知器来实现单字符的有效识别，算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别。-BP neural network based character recognition. BP neural network algorithm is a set of sample input and output is
sfam
- 该程序实现了简单的模糊ARTMAP神经网络算法。SFAM是神经网络分类器，它是简单和快速的模糊ARTMAP版本。-The program implements a simple fuzzy ARTMAP neural network algorithm. SFAM is a neural network classifier, which is simple and fast version of fuzzy ARTMAP.
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
bpnetwork
- 基于MATLAB开发语言的神经网络分类器算法，源代码，改进算法，不包含数据-Based on MATLAB language development neural network classifier algorithm, the source code, the improved algorithm, does not contain data
SVM神经网络中的参数优化---提升分类器性能
- 对SVM神经网络进行参数优化，提升其分类器性能(The parameters of SVM neural network are optimized to improve the performance of classifier)
单层神经网络矩阵改进
- 基于Matlab编程，实现人工神经网络对经典三种鸢尾花数据的分类，利用Matlab矩阵运算的优势，对全部样本进行同时训练，具有很好的输出结果(An Artificial Neuron Network which accomplishes classifying three kinds of flower)
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
bp-分类器
- 这是bp神经网络的M文件，包括BP网络的第一阶段学习期（训练加权系数wki，wij)，BP网络的第二阶段工作期（根据局训练好的wki，wij和给定的输入计算输出），程序里有详细注释。该程序被用来作为分类器使用。(This is the BP neural network M files, including the first phase of BP network learning period (training weighting coefficient wki, wij), the se