注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多层感知机逼近正弦函数

  2. 多层感知机逼近正弦函数 bp网络逼近sin函数

  3. 所属分类：专业指导

    • 发布日期：2011-03-30
    • 文件大小：71680
    • 提供者：wjc1986

  1. 多层感知机（multi-layer perceptron）实现手写体分类（TensorFlow）

  2. 多层感知机（multi-layer perceptron）实现手写体分类（TensorFlow）

  3. 所属分类：机器学习

    • 发布日期：2017-08-07
    • 文件大小：3072
    • 提供者：susanzhang1231

  1. 多层感知机matlab实现.rar

  2. 多层感知机matlab代码实现，分类是采用较难分类的半月形两类问题分类，可方便深度学习初学者了解深度学习反馈传播机制。

  3. 所属分类：机器学习

    • 发布日期：2020-02-29
    • 文件大小：2048
    • 提供者：sangwuhen

  1. 神经网络多层感知机方法在密码学中的应用

  2. 神经网络多层感知机方法在密码学中的应用，陈飞，，本文是以软计算方法之一的神经网络算法为基础,结合密码中加密与解密的特点,而提出的应用神经网络多层感知机方法解决密码传递问题�

  3. 所属分类：其它

    • 发布日期：2020-02-18
    • 文件大小：185344
    • 提供者：weixin_38714641

  1. 改进的多层感知机对拟稳点的选取

  2. 改进的多层感知机对拟稳点的选取，陶叶青，杨娟，本文运用多层感知机对监测网中的相对稳定点（拟稳点）进行选取，克服了传统的剔除粗差的局限性，为监测网的拟稳平差提供精确可靠

  3. 所属分类：其它

    • 发布日期：2020-02-17
    • 文件大小：257024
    • 提供者：weixin_38744803

  1. 多层感知机 python pytorch

  2. 多层感知机的基本知识 深度学习主要关注多层模型。在这里，我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。

  3. 所属分类：机器学习

    • 发布日期：2020-02-13
    • 文件大小：6144
    • 提供者：qq_40441895

  1. 多层感知机(MLP)(三层)(UCI乳腺癌数据库)(k折交叉验证)(反向传递)(机器学习，神经网络)

  2. 多层感知机(MLP)(三层)(UCI乳腺癌数据库)(k折交叉验证)(反向传递)(机器学习，神经网络)

  3. 所属分类：机器学习

    • 发布日期：2020-05-28
    • 文件大小：6144
    • 提供者：weixin_33270475

  1. TensorFlow实现MLP多层感知机模型

  2. 主要为大家详细介绍了TensorFlow实现MLP多层感知机模型，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：90112
    • 提供者：weixin_38557515

  1. 基于多层感知机代理模式的地球系统模式物理参数优化方法

  2. 地球系统模式中物理参数的不确性会对气候模拟的精度产生巨大的影响，优化物理参数对提高气候预测的准确性至关重要。通常在地球系统模式的参数优化中有多个目标需要同时优化，然而目前常用的进化多目标算法在地球系统模式上使用需要极高的计算代价，因此提出了一种基于多层感知机(MLP)神经网路的多目标代理模式参数优化方法MO-ANN。此方法利用多层感知机建立代理模式，用代理模式来预估候选采样点的优劣，提高了多目标优化的精度和收敛性。在复杂数学函数和单柱大气模式上的对比实验表明，MO-ANN优化算法相对于进化多目标

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：486400
    • 提供者：weixin_38576811

  1. 一种基于多层感知机的无监督异常检测方法_关健.pdf

  2. 一种基于多层感知机的无监督异常检测方法_关健.pdf

  3. 所属分类：互联网

    • 发布日期：2020-11-19
    • 文件大小：149504
    • 提供者：qq_18822147

  1. 基于遗传算法和BP算法的多层感知机杂交训练算法_穆文全.pdf

  2. 基于遗传算法和BP算法的多层感知机杂交训练算法_穆文全.pdf

  3. 所属分类：金融

    • 发布日期：2020-11-19
    • 文件大小：461824
    • 提供者：qq_18822147

  1. 基于基完备化理论和嵌入多层感知机的深度网络结构设计_张毅锋.pdf

  2. 基于基完备化理论和嵌入多层感知机的深度网络结构设计_张毅锋.pdf

  3. 所属分类：金融

    • 发布日期：2020-11-19
    • 文件大小：1048576
    • 提供者：qq_18822147

  1. 基于多层感知机和RBF转换函数的混合神经网络_武妍.pdf

  2. 基于多层感知机和RBF转换函数的混合神经网络_武妍.pdf

  3. 所属分类：金融

    • 发布日期：2020-11-19
    • 文件大小：1048576
    • 提供者：qq_18822147

  1. 【动手学——多层感知机】day03_multilayer perceptron从零实现

  2. multilayer perceptron多层感知机 一、多层感知机的基本知识 隐藏层 下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有5个隐藏单元。 含单层隐藏层的多层感知机公式： 从联立后的式子可以看出，虽然神经网络引入隐藏层，但依然等价于一个单层神经网络。不难发现，即便添加再多的隐藏层，以上设计只能等价于仅含输出层的单层神经网络。所以，如果需要对隐藏层的输出作一些非线性变化，就需要引入激活函数。 *多层感知机中引入激活函数的原因： 将多个无激活函数的线性层叠加起来，其表

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：196608
    • 提供者：weixin_38676216

  1. 简单多层感知机（MLP)–pyTorch实现

  2. 多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图最简单的MLP： 上图模型pyTorch代码： import torch from torch.nn import functional as F x = torch.randn(1, 10) # 输入x的特征有10个 w = torch.randn(3, 10,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：103424
    • 提供者：weixin_38629206

  1. Machine-Learning:包含KNN，感知机，多层感知机，聚类分析等源代码-源码

  2. Machine-Learning:包含KNN，感知机，多层感知机，聚类分析等源代码

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：291840
    • 提供者：weixin_42115074

  1. MLP－多层感知机的原理及Matlab实现-附件资源

  2. MLP－多层感知机的原理及Matlab实现-附件资源

  3. 所属分类：互联网

  1. MLP－多层感知机的原理及Matlab实现-附件资源

  2. MLP－多层感知机的原理及Matlab实现-附件资源

  3. 所属分类：互联网

  1. mnist分类：Pytorch，Scikit学习实现多种分类方法，包括逻辑回归（Logistic回归），多层感知机（MLP），支持向量机（SVM），K近邻（KNN），CNN，RNN，极简代码适合新手小白入门，附英文实验报告（ACM模板）-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42109125

  1. TensorFlow实现MLP多层感知机模型

  2. 一、多层感知机简介 Softmax回归可以算是多分类问题logistic回归，它和神经网络的最大区别是没有隐含层。理论上只要隐含节点足够多，即时只有一个隐含层的神经网络也可以拟合任意函数，同时隐含层越多，越容易拟合复杂结构。为了拟合复杂函数需要的隐含节点的数目，基本上随着隐含层的数量增多呈指数下降的趋势，也就是说层数越多，神经网络所需要的隐含节点可以越少。层数越深，概念越抽象，需要背诵的知识点就越少。在实际应用中，深层神经网络会遇到许多困难，如过拟合、参数调试、梯度弥散等。 过拟合是机器学习中的

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：90112
    • 提供者：weixin_38716590
« 12 3 4 5 6 7 8 »