搜索资源列表
Fortran_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
BPMATLAB
- BP神经网络原理及MATLAB仿真 pdf电子书籍-BP neural network and MATLAB simulation pdf e-books
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
C_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
Matlab_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
ANN
- 编写BP神经网络系统，可适应多节点输入输出的人工神经网络训练，即可以自由定义输入节点的个数，隐层节点个数，输出节点个数以及样本的个数。-Preparation of BP neural network system can be adapted to multi-node input and output of the artificial neural network training, that is free to define the number of input nodes, hid
BPNN
- 是BP神经网络程序：BP神经网络模型是一个多层感知机构，是由输入层、中间层（隐层）和输出层构成的前馈网络，只含有一个中间层的BP神经网络模型。-BP neural network program：BP neural network model is a multi-layer perceptron institutions, is the input layer, middle layer (hidden layer) and output layer feedforward network,
pso
- 改进的pso-bp神经网络预测模型，用于多输入多输出的预测控制-The improved pso- bp neural network prediction model，which used to predict multiple input multiple output
BP
- BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。-Back Propagation (BP), a multi-layer feedforward neural network trained by the error back propagation al
main
- 应用BP神经网络逼近非线性函数，非线性函数为多输入单输出，逼近误差<5 ，采用经典的BP算法。-Application of BP neural network to approximate nonlinear function, nonlinear function for multiple input and single output, the approximation error < 5 , using the classic BP algorithm.
BP网络
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法（梯度法），通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input layer）、隐层(hide layer)和输出层(outpu
GA-BP神经网络应用实例之MATLAB程序
- 使用MATLAB编写的GA-BP神经网络，可进行多组数据处理 % gap.xls中存储训练样本的原始输入数据 37组 % gat.xls中存储训练样本的原始输出数据 37组 % p_test.xls中存储测试样本的原始输入数据 12组 % t_test.xls中存储测试样本的原始输出数据 12组(MATLAB implementation of the GA-BP neural network,% gap.xls stored in the training sample of the
BP
- BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。(BP nntool is a multilayer feedforward network trained by error inverse propagation algorithm. It is one
owdadf
- 用BP算法实现亦或XOR问题,三层结构,学习次数越多,结果越准确,就是输入为00,01,10,11时分别输出0,1,1()
pso-bp
- 采用粒子群算法优化BP神经网络，解决了陷入局部小的问题，同时提高了算法精度，可实现多输入单输出，或者多输入多输出，算法精度较高。