搜索资源列表
rbf_svm
- 人工神经网络(ANN)的泛化特性是神经网络最重要的特性,同时也是最不容易保证的特性。本程序对改进泛化的神经网络算法以及新兴的机器学习算法——支持向量机算法进行研究,-Artificial Neural Network (ANN) the generalization characteristics of neural networks are the most important characteristics, but also not easy to guarantee the most f
SVMNR
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。 -Support Vector Machine and BP neural network, ev
Crystal-Based-on-BP-Network
- 摘 要： 介绍BP算法神经网络由线拟舍方法，并借助MATLAB工具箱函数将它运用于方解石色散特性研 究，通过拟合效果图，误差曲线，误差范数反映BP神经网络的优越性，体现BP算法较高的预测能力和良好的泛化能 力，并且可以自动地确定数学模型．精确度高，原理也较简单，尤其对复杂的输入输出系统具有更好的效果。-Abstract： Curve fitting method of BP neural network was introduced and applied in the model of
Matlab-svm-BP-compare
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。-SVM and BP neural networks, although non-linear regr
Matlab-BP
- ：根据公交站点客流集散量，选用合适的ＢＰ神经网络构建公交车辆调度形式的神经网络预报 模型．运用ＢＰ神经网络Ｍａｔｌａｂ工具箱设计的基本方法与过程，将ＢＰ网络模型引入公交车辆的调 度方案研究，计算结果表明，ＢＰ模型应用于公交车辆调度形式预测中具有较高的预测精度和良好 的泛化能力-according to the bus station passenger flow distribution quantity, choose suitable BP neural network cons
code-(2)
- Using MATLAB tools for MLP NNs (e.g., newff, …), design a two-layer feed-forward neural network as a classifier to categorize the input geometric shapes. - The snapshot and bitmap of shapes are given: - Training shapes: shkt.bmp - Training p