搜索资源列表
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
BP2
- 换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课 题,其评价过程可视为一个非线性动态系统。BP 神经网络的非线性系统辨识 ,能够逼近任意 一个非线性函数。通过确定换档品质评定指标 ,利用BP网络训练获得的数据样本 ,从而建立 主观、 客观评价标准之间的联系 利用 Mat lab/ Simulink 完成换档品质评价方法的客观描述并 进行仿真。通过与实验结果对比 ,证明这种方法能够有效真实地评价换档品质并与传统主观 评价方法具有很好的一致性。-Shift
LVQ
- 该评估问题实际上是一个分类问题，评价指标作为网络的输入，评估等级是网络的输出，CPN网络的竞争层能够进行聚类，再通过有导师学习就可以精确划分类型，在该例中获得了成功的应用。 从此例中也可以发现，随着样本数得增多，网络的训练次数也随之增加，另外，该例中隐层节点数的选择还主要依靠经验和试验。 由本实验的结果可知，利用CPN神经网络实现博士论文评价具有很好的效果，其评价结果与专家所给结果基本一致。-The evaluation problem is actually a classificat
Evaluation-of-the-Yangtze
- 用模糊神经网络评价长江水质，把长江水质的各类指标输入进模糊神经网络，神经网络自主学习输出评价指标-Evaluation of the Yangtze River Water fuzzy neural network, the various types of indicators of water quality input into the Yangtze fuzzy neural network, neural network output independent study evaluat
FUZZY-FORECASTING
- 根据嘉临江水质的各项指标评价标准，通过一定的数学模型计算水质的水质等级。-According to jia each index of river water quality uation standard, by a certain mathematical model for calculation of the water quality of water quality grade.
Hopfield2
- 某机构对20所高校的科研能力进行了调研和评价，试根据调研结果中较为重要的11个评价指标的数据，并结合离散Hopfield神经网络的联想记忆能力，建立离散Hopfield高校科研能力评价模型。-A mechanism for 20 universities scientific research ability of research and uation, test according to the research results of 11 important uation index
ensemble
- 对分类错误的样本所对应权重进行累加得到加权误分类率, 这里我们是基于权重向量而不是其他的错误计算指标来评价分类器的-The weighting of the samples with the wrong classification is weighted by the weighted error rate, where we uate the classifier based on the weight vector rather than the other erroneous met