搜索资源列表
PerceptronAlgorithm
- 感知器是神经网络里面的一个重要分类器，本例子采用matlab实现单个神经元感知器，分类效果较好~
11
- 神经网络实例集。包括以下几个程序单层线性神经网络实例、感知器神经元解决较复杂输入向量的分类问题、基于感知器神经网络处理复杂的分类问题、数值分析程序matlab-GUI、用BP网络完成函数的逼近源程序、自组织特征映射应用实例-Examples of neural network sets. Procedures include the following examples of single-layer linear neural network, perceptron neuron input
BPPatternRecognition
- MATLAB编写的误差反向传播（BP）神经网络简单分类器。-MATLAB prepared by error back-propagation [BP] neural network classifier easy.
ANN
- 这是一个matlab程序用于构建人工神经网络模型，可以随意设置层数和单元个数！-This is a matlab program for building artificial neural network model can arbitrarily set the number of layers and units!
svm
- SVM神经网络中的参数优化---如何更好的提升分类器的 性能-a important and popular classifier
FIG002
- Rosenblatt感知机Matlab实现算法线性分类器的第一个迭代算法是1956年由Frank Rosenblatt提出的. 这个算法被提出后, 受到了很大的关注. 感知器在神经网络发展的历史上占据着特殊的位置: 它是第一个从算法上完整描述的神经网络. 在20世纪60年代和70年代, 受感知器的启发, 工程师, 物理学家以及数学家们纷纷投身于神经网络不同方面的研究. -Rosenblatt perceptron Matlab algorithm linear classifier, an
matlab-data-mining
- 数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释
final2cop
- matlab用bp神经网络分类信号，采用多层感知器的神经网络，有隐含层5个节点-matlab bp neural network classification signal, the use of Multilayer Perceptron neural network hidden layer nodes
感知器算法
- 感知器算法是一种神经网络的模型，是20世纪50年代中期到60年代初人们对模拟人脑学习能力的一种分类学习机模型的称呼。当时的研究者认为它是一种学习的强有力模型，但以当时的技术无法实现非线性分类，许多实验室都放弃了感知器的研究。但其中的思想很经典，对后来的模式识别模型有很大的影响。当然，随着时代的进步，已经有很多学者提出了许多非线性的感知器改进算法，并取得良好效果，此程序主要基于Matlab来具体实现传统的感知器算法。(This program is based on Matlab to speci
代码
- MATLAB 代码 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 ....等58章(MATLAB code The first
shiyan4
- 解决非线性多类别分类问题，利用实际数据进行分类处理。(Solving nonlinear multi class classification problem, using actual data for classification processing.)
PNN
- 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。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe