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. BP多层感知器 源代码 神经网络

  2. BP多层感知器 源代码 神经网络 tic; %计时开始 clc; %清屏 clear all; %清除所有变量 disp('输入层神经元个数： 16'); %显示输入层神经元个数 input=16; disp('中间层神经元个数： 8'); %显示中间层神经元个数 middle=8; disp('输出层神经元个数： 3'); %显示输出层神经元个数 output=3; disp('输入模式1 2 3及其对应的输出：'); x1=[1;1;1;1;1;0;0;1;1;1;1;1;1;0;0;1]

  3. 所属分类：网络基础

    • 发布日期：2009-06-13
    • 文件大小：28672
    • 提供者：xxl04120184

  1. 彩色图像分割方法综述

  2. 由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色 图像分割是彩色图像处理的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用,为 了使该领域的研究人员对当前各种彩色图像分割方法有较全面的了解,因此对各种彩色图像分割方法进行了系统 论述,即先对各种颜色空间进行简单介绍,然后对直方图阈值法、特征空间聚类、基于区域的方法、边缘检测、模糊 方法、神经元网络、基于物理模型方法等主要的彩色图像分割技术进行综述,并比较了它们的优缺点,通过比较发

  3. 所属分类：网络基础

    • 发布日期：2010-01-16
    • 文件大小：588800
    • 提供者：emerald0106

  1. 基于BP网络的异或运算多阈值神经元的实现

  2. 基于BP网络的异或运算多阈值神经元的实现 基于BP网络的异或运算多阈值神经元的实现 毕业论文专用

  3. 所属分类：网络基础

    • 发布日期：2010-10-06
    • 文件大小：192512
    • 提供者：ek1988

  1. 彩色图像分割方法综述

  2. 由于彩色图像提供了比灰度图像更为丰富的信息, 因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题, 彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用, 为了使该领域的研究人员对当前各种彩色图像分割方法有较全面的了解, 因此对各种彩色图像分割方法进行了系统论述, 即先对各种颜色空间进行简单介绍, 然后对直方图阈值法、特征空间聚类、基于区域的方法、边缘检测、模糊方法、神经元网络、基于物理模型方法等主要的彩色图像分割技术进行综述, 并比较了它们的优缺点, 通过

  3. 所属分类：数据库

    • 发布日期：2011-05-12
    • 文件大小：553984
    • 提供者：a2007132

  1. 感知器算法

  2. 1． 感知器算法 感知器算法是通过训练模式的迭代和学习算法，产生线性可分的模式判别函数。感知器算法就是通过对训练模式样本集的“学习”得出判别函数的系数解。在本次实验中,我们主要是采用硬限幅函数进行分类。 感知器的训练算法如下： 设输入矢量 ， 加权矢量 ,则神经元 的输出可通过下式来计算 （1） 这里对于训练结束我们判断的依据是实际输出值与理想预期值之间误差的均方值最小。定义 它的均方值记作 ,令 , 则可以推出 （2） 可证存在最佳的加权矢量 ，使 达到最小。解得 （3） 式（3）给出了求最

  3. 所属分类：专业指导

    • 发布日期：2012-05-21
    • 文件大小：393216
    • 提供者：liulong1010

  1. BP神经网络函数逼近

  2. BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号前向传递, 误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理, 直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出, 则转入反向传播,根据预测误差调整网络权值和阈值,从而使B P神经网络预测输出不断逼近期望输出。

  3. 所属分类：网络管理

    • 发布日期：2013-04-16
    • 文件大小：30720
    • 提供者：sail1boat6

  1. 彩色图像分割方法综述

  2. 由于彩色图像提供了比灰度图像更为丰富的信息, 因此彩色图像处理正受到人们越来越多的关注。彩色 图像分割是彩色图像处理的重要问题, 彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用, 为 了使该领域的研究人员对当前各种彩色图像分割方法有较全面的了解, 因此对各种彩色图像分割方法进行了系统 论述, 即先对各种颜色空间进行简单介绍, 然后对直方图阈值法、特征空间聚类、基于区域的方法、边缘检测、模糊 方法、神经元网络、基于物理模型方法等主要的彩色图像分割技术进行综述, 并比较了它们的优缺点

  3. 所属分类：专业指导

    • 发布日期：2013-09-06
    • 文件大小：539648
    • 提供者：slt1124

  1. 人工神经网络电子讲稿和课本

  2. 人工神经网络电子讲稿和课本 适合初学者 人工神经网络（Artificial Neural Networks, ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。（引自《环球科学》20

  3. 所属分类：网络基础

    • 发布日期：2008-12-07
    • 文件大小：1048576
    • 提供者：iterate

  1. 基于BP神经网络模型的国家脆弱性问题的求解

  2. 随着人类社会的进步和发展，环境对一个国家的影响不容小觑，其中气候变化对人类生活方式产生深远意义和影响，进而改变国家的脆弱性，本文基于人工智能理论构建了一个国家脆弱性评价模型并利用相关系数法讨论气候变化如何影响区域的不稳定性，发现气候变化对区域稳定性有着举足轻重的作用。问题重述 1.1问题背景 候变化通过对区域稳定性产生影响,进而改变国家的脆弱性,当它与薄弱的政府 治理和社会分裂相结合时,可以引发一系列的暴力恶性事件,通常沿着潜在的民族和政 治分歧发展。早在20世纪90年代,这一概念就已经为一些主

  3. 所属分类：其它

    • 发布日期：2019-03-15
    • 文件大小：1048576
    • 提供者：zrg_hzr_1

  1. iris神经网络.zip

  2. 一个人工神经元网络是由一个多层神经元结构组成，每一层神经元拥有输入（它的输入是前一层神经元的输出）和输出，我们把神经元和与之对应的神经元之间的连线用生物学的名称，叫做突触，在数学模型中每个突触有一个加权数值，称做权重，此时第i层上的某个神经元所得到的输出等于每一个权重乘以第i-1层上对应的神经元的输出之和，最后再通过激活函数来对输出进行量化，在与阈值相比较判断是否属于某一类。

  3. 所属分类：机器学习

    • 发布日期：2020-07-05
    • 文件大小：388096
    • 提供者：weixin_43521269

  1. python机器学习之神经网络（二）

  2. 由于Rosenblatt感知器的局限性，对于非线性分类的效果不理想。为了对线性分类无法区分的数据进行分类，需要构建多层感知器结构对数据进行分类，多层感知器结构如下： 该网络由输入层，隐藏层，和输出层构成，能表示种类繁多的非线性曲面，每一个隐藏层都有一个激活函数，将该单元的输入数据与权值相乘后得到的值(即诱导局部域)经过激活函数，激活函数的输出值作为该单元的输出，激活函数类似与硬限幅函数，但硬限幅函数在阈值处是不可导的，而激活函数处处可导。本次程序中使用的激活函数是tanh函数，公式如下：

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：160768
    • 提供者：weixin_38674050

  1. python实现感知器算法详解

  2. 在1943年，沃伦麦卡洛可与沃尔特皮茨提出了第一个脑神经元的抽象模型，简称麦卡洛可-皮茨神经元（McCullock-Pitts neuron）简称MCP，大脑神经元的结构如下图。麦卡洛可和皮茨将神经细胞描述为一个具备二进制输出的逻辑门。树突接收多个输入信号，当输入信号累加超过一定的值（阈值），就会产生一个输出信号。弗兰克罗森布拉特基于MCP神经元提出了第一个感知器学习算法，同时它还提出了一个自学习算法，此算法可以通过对输入信号和输出信号的学习，自动的获取到权重系数，通过输入信号与权重系数的乘积来

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：167936
    • 提供者：weixin_38649356

  1. Python利用全连接神经网络求解MNIST问题详解

  2. 本文实例讲述了Python利用全连接神经网络求解MNIST问题。分享给大家供大家参考，具体如下： 1、单隐藏层神经网络 人类的神经元在树突接受刺激信息后，经过细胞体处理，判断如果达到阈值，则将信息传递给下一个神经元或输出。类似地，神经元模型在输入层输入特征值x之后，与权重w相乘求和再加上b，经过激活函数判断后传递给下一层隐藏层或输出层。 单神经元的模型只有一个求和节点（如左下图所示）。全连接神经网络(Full Connected Networks)如右下图所示，中间层有多个神经元，并且每层的每个

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：502784
    • 提供者：weixin_38568031

  1. 深度学习：原理与实现（基于tensorflow实现图像分类）

  2. 1. 人工神经网络 1.1 神经网络结构 人工神经网络（简称神经网络）是模拟人类大脑神经元构造的一个数学计算模型。 一个神经网络的搭建，需要满足三个条件。 输入和输出 权重（w）和阈值（b） 多层感知器的结构 1.2 神经网络运作过程 其中，最困难的部分就是确定权重（w）和阈值（b）。必需有一种方法，可以找出答案。 这种方法就是试错法。其他参数都不变，w（或b）的微小变动，记作Δw（或Δb），然后观察输出有什么变化。不断重复这个过程，直至得到对应最精确输出的那组w和b，就是我们要的值。这个过程

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：270336
    • 提供者：weixin_38614952

  1. 基于光纤的可植入多电极阵列，具有连续的光和电部位

  2. 客观的。 尽管设计了各种类型的电极来传递光并感应电生理React，但很少有一个紧密封闭的光传递部位或电记录部位。 它们之间的较大空间通常会模糊刺激位置和光强度阈值。 方法。 基于光纤，我们开发了一种光锥结构，其圆锥形尖端位于光出射点和金基电极位置所在的位置。 通过在锥形光纤的外部集成金属膜电极来制造光极。 锥形尖端的一半被一层金膜覆盖以形成电极。 选择了商用光纤连接器机械传输（MT）模块来组装多电极阵列（MOA）。 MT连接器既充当光极阵列的固定器，又充当将MOA与光源连接的对准部件。 主要结果

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1017856
    • 提供者：weixin_38744526

  1. 基于视觉感知的运动目标跟踪算法

  2. 针对运动目标跟踪问题,为解决跟踪过程中因遮挡、目标尺度变化等易造成跟踪失败的现象,提出一种基于视觉感知的跟踪算法。该算法以神经元响应为视觉特征,首先从自然图像中学习初级视皮层细胞感受野;然后计算背景图像和视频序列图像的神经元响应并得出差值,与动态阈值比较,识别出运动目标,通过迭代实现目标跟踪。多类别实验结果表明,该算法实现了运动目标稳定跟踪,目标跟踪准确率达93.5%且鲁棒性增强,与典型算法Camshift和SIFT相比,提高了跟踪算法的准确性和鲁棒性。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38526208

  1. 基于脉冲神经网络的白血病骨髓图像边缘检测

  2. 根据模拟生物大脑视觉皮层神经网络的活动而建立的第三代人工脉冲神经网络(SNN),讨论了基于电导率的IF神经元模型(integrate-and-fire neuron model),并将该神经网络应用于白血病骨髓图像的边缘检测。实验结果表明,基于SNN的边缘检测可以实现对白血病骨髓图像的有效分割。设置的开火阈值越小,能显示出越多的细节信息。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：1048576
    • 提供者：weixin_38535428

  1. 连续多阈值神经元反馈神经网络盲检测光基带信号

  2. 空间分集接收可补偿信道衰落，提出了一种基于幅相联合激励法的连续多阈值神经元反馈神经网络(RNNCMVN)的光基带信号直接盲检测方法。针对多进制相移键控(MPSK)信号的特点，设计了两种连续相位多阈值激励函数形式，并简要讨论了该两类激励函数参数的选择；分别推演基于幅相联合激励法的RNNCMVN光基带信号盲检测方法工作于同步和异步两种模式下的新能量函数及其相关证明。同时针对正交调幅(QAM)信号的特点，分别设计出连续振幅和相位多阈值激励函数形式，最后通过仿真验证了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：5242880
    • 提供者：weixin_38592256

  1. 基于tensorflow2.0的深度学习

  2. 人工神经网络 Artificial neural networks(ANN) 一、神经元->感知器->多层感知器 感知器（The Perceptron） 神经元： 神经元是线性阈值单元(LTU)、又叫阈值逻辑单元（TLU） LTU的工作： 首先每个输入都有一个对应的权重 然后LTU对其加权求和：z = w1 x1 + w2 x2 + ⋯ + wn xn = x⊺ w 再对结果应用一个阶跃函数产生最后的输出：hw(x) = step(z)=step( x⊺ w) 其中阶跃函数ste

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：833536
    • 提供者：weixin_38719475