搜索资源列表
-
0下载：
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)。-
-
-
3下载：
计算梯度下降法计算极值，只能找到局部最小点。可以通过调整步长实现全局最小-Calculation of gradient descent method to calculate extreme value, can only find local minimum point. By adjusting the step size can achieve the global minimum
-
-
0下载：
最速梯度下降法-Steepest gradient descent method
-
-
0下载：
热力学遗传算"~-(therm odynamical genetic algorithms，简称TDGA)借鉴固体退火过程中能量与熵的竞争
模式来协调GA 中“选择压力”和“种群多样性”之间的冲突．然而TDGA 目前极高的计算代价限制了其应用．为了提
高TDGA的计算效率，首先定义一种等级熵(rating—based entropy,J~j称RE)度量方法，它能以较小的计算成本度量种
群中个体适应值的分散程度．然后引入分量热力学替换规则(component thermod)rnami
-
-
0下载：
最速下降法的BP实例，比较通用的-Steepest descent method of BP instance
-
-
0下载：
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)。-
-
-
0下载：
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)。-
-
-
0下载：
构建BP神经网络，源码。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)。-BP neural network to build, source. BP network can learn and store a lot of input- out
-
-
0下载：
比较了三种学习方法 1 gradient descent 2 steepest descent with line search
3 conjugate gradient method. 三种方法都在一个.m文件中被实现。-compare three learning methods: 1 gradient descent 2 steepest descent with line search
3 conjugate gradient method.
-
-
0下载：
两种不同编码的黄金分割法 基于信息熵的免疫算法 最速下降法 梯度算法-Two different coding golden section method immune algorithm based on information entropy gradient algorithm steepest descent method
-
-
0下载：
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
-
