您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 车牌识别系统 包括车牌定位,二值化,分割,细化,16段特征提取,和最后的识别,前面的预处理可以分步进行,后面的特征提取和识别分步处理,识别效果好。识别用神经网络实现。

  2. 车牌识别系统,包括车牌定位,二值化,分割,细化,16段特征提取,和最后的识别,前面的预处理可以分步进行,后面的特征提取和识别分步处理,识别效果好。识别用神经网络实现。
  3. 所属分类:网络基础

    • 发布日期:2009-05-16
    • 文件大小:237568
    • 提供者:xiaohui203203
  1. ART神经网络的发展与应用

  2. 作为解决神经网络学习中“稳定性/ 可塑性两难问题”的一种尝试, ART 神经网络一直备受关注。从最初的仅仅用于处理二值输入的非监督学习网络ART1, 到具有有监督学习能力的ARTMAP 网络, 具有一定模糊逻辑运算能力的Fuzzy ART 网络, 再到现在对于ART 网络中的各种尝试, ART 神经网络不断发展、改进, 以便适应不同的应用场合。本文着重介绍了ART 网络的基本体系结构与发展历程, 对于其应用领域加以概述。
  3. 所属分类:网络基础

    • 发布日期:2009-05-27
    • 文件大小:128000
    • 提供者:heyjude110
  1. 基于SOM神经网络的聚类分析

  2. SOM神经网络(自组织特征映射神经网络)是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数,其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接,这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是,当某类模式输入时,其输出层某一节点得到最大刺激而获胜,获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作,获胜节点及
  3. 所属分类:网络基础

    • 发布日期:2009-06-15
    • 文件大小:172
    • 提供者:gaoasdf
  1. bp神经网络算法源码

  2. 一.使用说明 该程序有五个主要菜单项: A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等) B.新建数据 (建立新的数据文件) C.学习 D.测试 E.误差显示 操作过程: 1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT) 2.新建数据文件: B -> A -> C -> D,E; 举例:求XOR问题数据文件的建立(菜单[B]的使用) 对话框(1) 输入层单元个数:2 (TAB键切
  3. 所属分类:网络基础

    • 发布日期:2009-11-28
    • 文件大小:50176
    • 提供者:yao710452238
  1. 基于BP神经网络的单数字字符识别算法实现

  2. 基于BP神经网络设计了一个字符识别系统.首先,对字符图像进行二值化处理,构造输入向量矩阵.其次,通过选取初始权值、隐层节点数和权值学习算法,创建BP神经网络,对样本数据进行训练,之后对加有噪声的样本再次进行训练,以提高网络的鲁棒性.最后进行仿真测试并制作图形用户界面GUI来模拟与演示该系统.仿真结果显示,该BP网络对噪声系数小于0.8的字符识别率可达95%,且网络训练时间可接受
  3. 所属分类:网络基础

    • 发布日期:2010-04-22
    • 文件大小:231424
    • 提供者:dcw2012
  1. 基于人工神经网络的数字音频水印算法

  2. 提出了一种新的基于神经网络训练学习的数字音频水印算法/采用本算法在一段数字音频数据中隐藏了一幅 不可感知的二值图像0通过后向传播算法的神经网络训练出模板信号与嵌入了水印信号的音频之间的关系特征/由于 神经网络具有学习和自适应的特性/通过训练后的神经网络几乎能够完全恢复嵌入到音频中的水印数据0通过仿真实 验结果表明该算法具有较好的鲁棒性和抵抗常用的信号处理方法的处理的能力/特别是在水印检测时不需要原始的音 频信号
  3. 所属分类:网络基础

    • 发布日期:2010-07-01
    • 文件大小:420864
    • 提供者:chexirong
  1. 神经网络 MATLAB神经网络应用设计

  2. 张德丰 (2010). "MATLAB神经网络应用设计." 只有代码 "目 录 前言 第1章 神经网络概述 1 1.1 神经网络的基本概念 1 1.1.1 生物神经元的结构与功能特点 1 1.1.2 人工神经元模型 1 1.1.3 神经网络的结构及工作方式 3 1.1.4 神经网络的学习 4 1.2 神经网络的发展和应用 7 1.2.1 神经网络的发展 7 1.2.2 神经网络的研究内容 8 1.2.3 神经网络的应用 8 1.3 神经网络的特点 8 1.4 MATLAB语言及入门 9 1.4
  3. 所属分类:网络基础

    • 发布日期:2010-12-02
    • 文件大小:19456
    • 提供者:qq112964734
  1. bp神经网络算法源码

  2. bp神经网络改进算法 一.使用说明 该程序有五个主要菜单项: A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等) B.新建数据 (建立新的数据文件) C.学习 D.测试 E.误差显示 操作过程: 1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT) 2.新建数据文件: B -> A -> C -> D,E; 举例:求XOR问题数据文件的建立(菜单[B]的使用) 对话框(1) 输入层单元
  3. 所属分类:网络基础

    • 发布日期:2008-04-13
    • 文件大小:50176
    • 提供者:yegoo
  1. 模板匹配和神经网络

  2. 在MATLAB环境下利用USB摄像头采集字符图像,读取一帧保存为图像,然后对读取保存的字符图像,灰度化,二值化,在此基础上做倾斜矫正,对矫正的图像进行滤波平滑处理,然后对字符区域进行提取分割出单个字符,识别方法一是采用模板匹配的方法逐个对字符与预先制作好的字符模板比较,如果结果小于某一阈值则结果就是模板上的字符;二是采用BP神经网络训练,通过训练好的net对待识别字符进行识别。最然后将识别结果通过MATLAB下的串口工具输出51单片机上用液晶显示出来。
  3. 所属分类:其它

    • 发布日期:2012-02-29
    • 文件大小:173056
    • 提供者:tyc5689123
  1. 基于BP神经网络的系统建模辨识与预测仿真matlab程序

  2. 基于BP神经网络对带有噪声的二阶系统的辨识预测,采用典型的三层网络拓扑结构即输入层、隐含层和输出层,利用最小均方误差和梯度下降法,通过误差的反向传播来不断调整系统的权值阈值,使网络输出不断地逼近实际系统的输出,仿真结果表明BP网络达到了预期辨识的精度效果,实现了非线性系统的辨识预测。
  3. 所属分类:专业指导

    • 发布日期:2012-05-16
    • 文件大小:65536
    • 提供者:yabcged
  1. RBF神经网络学习算法的研究 毕业论文

  2. BF神经网络学习算法的研究 共50页 摘要 本文研究了RBF神经网络的各种学习算法。在总结概述前人工作优缺点的基 础上本文分析了三种优良的学习算法。与现存的学习算法相比在具有良好性 能的前提下本文的算法可以产生更紧凑的网络结构。 本文首先回顾RBF神经网络的网络结构及其基本的学习过程。第二章详细 介绍了径向基函数与插值、RBF网络模型和RBF网络的逼近性能。第三章对现阶 段流行的各种RBF神经网络学习算法作了概述给出了正交最小二乘法(OLS)、 递阶遗传训练算法(HGA)和粒子群优化
  3. 所属分类:专业指导

    • 发布日期:2012-05-31
    • 文件大小:8388608
    • 提供者:rong736
  1. 基于遗传算法的人工神经网络

  2. 是期刊上的 一篇他人所作论文,摘要如下:为克服和改进传统的BP算法的不足,发挥神经网络和遗传算法各自的优势,提出了一种基于遗传算法的神经网络二次训练方法.将遗传算法应用于神经网络的权值训练中,并用神经网络二次训练得到最终结果,降低了计算时间。
  3. 所属分类:其它

    • 发布日期:2013-08-16
    • 文件大小:225280
    • 提供者:lixin2732r
  1. 识别0-9十个数字,BP神经网络数字识别源代码.rar

  2. 识别0-9十个数字,BP神经网络数字识别源代码 使用说明 第一步:训练网络。使用训练样本进行训练。(此程序中也可以不训练,因为笔者已经将训练好的网络参数保存起来了,读者使用时可以直接识别) 第二步:识别。首先,打开图像(256色);再次,进行归一化处理,点击“一次性处理”;最后,点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上,同时也输出到文件result.txt中。 该系统的识别率一般情况下为90%。 此外,也可以单独对打开的图片一步一步进行图像预处理工作,但要注意,每一步
  3. 所属分类:Oracle

    • 发布日期:2013-11-13
    • 文件大小:61440
    • 提供者:u012828028
  1. 二值神经网络调研

  2. 二值神经网络调研20181226
  3. 所属分类:网管软件

    • 发布日期:2019-03-07
    • 文件大小:987136
    • 提供者:dong4345
  1. Python-dabnn是一个用于移动平台的加速二值神经网络推理框架

  2. dabnn是一个用于移动平台的加速二值神经网络推理框架
  3. 所属分类:其它

    • 发布日期:2019-08-11
    • 文件大小:1048576
    • 提供者:weixin_39840387
  1. 二值神经网络综述(Binary Neural Networks: A Survey)【北航】.pdf

  2. 在本文中,我们对这些算法进行了全面的概述,主要分为直接进行二值化的本机解决方案,以及使用使量化误差最小化,改善网络损耗函数和减小梯度误差等技术进行优化的解决方案。我们还将研究二进制神经网络的其他实用方面,例如硬件友好的设计和训练技巧。然后,我们对不同的任务进行了评估和讨论,包括图像分类,对象检测和语义分割。最后,展望了未来研究可能面临的挑战。
  3. 所属分类:机器学习

    • 发布日期:2020-04-10
    • 文件大小:869376
    • 提供者:syp_net
  1. 二值神经网络(Binary Neural Networks)最新综述.md

  2. 知乎转引的此文介绍了来自北京航空航天大学刘祥龙副教授研究团队的最新综述文章 **Binary Neural Networks: A Survey**,合作者包括中国电子科技大学的宋井宽教授和意大利特伦托大学计算机系主任 Nicu Sebe 教授。在阅读基础上,做了.md的笔记。 摘要如下: 神经网络二值化能够**最大程度地降低模型的存储占用和模型的计算量**,将神经网络中**原本 32 位浮点数参数量化至 1 位定点数**,**降低了模型部署的存储资源消耗,同时极大加速了神经网络的推断过程*
  3. 所属分类:深度学习

    • 发布日期:2020-04-02
    • 文件大小:38912
    • 提供者:qq_27206435
  1. 计算引擎:用于二值神经网络的高度优化的推理引擎-源码

  2. Larq计算引擎 Larq Compute Engine(LCE)是高度优化的推理引擎,用于部署高度量化的神经网络,例如Binarized Neural Networks(BNN)。 它目前支持各种移动平台,并已在Pixel 1手机和Raspberry Pi上进行了基准测试。 LCE为支持的指令集提供了手动优化的自定义运算符的集合,这些指令集是内联汇编或使用编译器内在函数以C ++开发的。 LCE利用优化技术,例如平铺以最大化缓存命中次数,矢量化以最大化计算吞吐量,以及多线程并行化以利用多核现
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:230400
    • 提供者:weixin_42104778
  1. scarpet-nn:在Minecraft中运行神经网络的工具和库-源码

  2. Scarpet-nn 在Minecraft中运行神经网络的工具和库 :pick: scarpet-nn允许您在Minecraft世界中运行神经网络(特别是二值神经网络)。 这对于在研究场景中对神经网络性能进行基准测试很有用。 如果您是Minecraft地图设计师,则可以使用Scarpet-nn根据用户在墙上或您选择的输入区域上绘制的内容执行特定/隐藏的动作。 在阅读完整的文档 执照
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:4194304
    • 提供者:weixin_42101164
  1. 一种变异真值表故障模型的神经网络测试生成算法

  2. 针对传统测试生成算法计算复杂度高的问题,提出一种针对逻辑门功能异常的故障模型,并给出了基于遗传优化的神经网络测试生成算法。首先,与传统算法以固定值故障为目标不同,构建更全面的变异真值表故障模型,在考虑各输入条件下故障的不同权重的同时,按故障模型自动生成故障字典;然后,测试生成算法利用逻辑门的二值神经网络能量函数,构成数字电路的约束网络;最终,调用故障字典向约束网络注入故障,通过遗传算法求解出被测电路的测试集。仿真实验结果显示,所提的故障模型更加全面,且测试生成算法具有正确性和有效性。
  3. 所属分类:其它

    • 发布日期:2021-01-28
    • 文件大小:710656
    • 提供者:weixin_38615591
« 12 3 4 5 6 7 8 9 10 ... 17 »