搜索资源列表
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
GA-BP
- 运用种群遗传算法优化BP神经网络的权值和阀值-The use of genetic algorithm optimization BP neural network weights and thresholds
pso
- pso粒子群算法 他是一个实现Common，Clerc 1“的PSO工具箱 Trelea类型以及跟踪更改的alpha版本环境。 它可以搜索最小，最大或“距离” 用户开发成本函数。 很容易使用和黑客 相当好的文档（类型帮助任何功能和 它应该告诉你你需要什么），并将利用 矢量化成本函数。 它使用与Matlab类似的语法 优化工具箱。 包括静态和动态的套件测试功能。 它还包括一个专用的基于PSO的神经元网络教练与Mathwork的神经网络工具箱一起使用。-his is a
traversal_consist
- 遗传算法优化小波神经网络的源程序 1 构造的非线性函数 位于nninit_test m 2 直接用WNN逼近非线性 Wnn_test()
GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例
- GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例，代码基于matlab和python