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. Matlab神经网络工具箱应用简介

  2. 主要描述MATLAB6.5中神经网络工具箱的使用，介绍神经网络的基本知识 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2009-06-02
    • 文件大小：30720
    • 提供者：liuzhenpolestar

  1. 【PDF】Matlab神经网络工具箱应用简介

  2. 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2009-08-12
    • 文件大小：272384
    • 提供者：fzq_202

  1. 模式分析的核方法英文版 Kernel Methods for Pattern Analysis

  2. 本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。 　　 本书适用于所有从事模式识别、机器学习、神经网络及其应甩的学生、教师和研究人员。

  3. 所属分类：网络基础

    • 发布日期：2010-04-14
    • 文件大小：3145728
    • 提供者：abcdegg

  1. matlab神经网络工具箱使用说明

  2. matlab神经网络工具箱说明 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2010-05-15
    • 文件大小：272384
    • 提供者：lxh5815

  1. Matlab神经网络工具箱应用简介

  2. 第一章 介绍 1．神经网络 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2010-08-19
    • 文件大小：272384
    • 提供者：xeniayangfan

  1. 基于货币特征的模式识别方法研究

  2. 本文较为系统地介绍了纸币面值数字图象识别的计算机仿真。文中详细介绍了模版匹配、特征点匹配、神经网络等字符识别方法，并进行了比较。根据本文研究对象的特点，选择 了从分析数字本身的拓扑结构入手，根据字符投影分布的规律来判断和识别的方法，成功实现 了纸币面值的识别。

  3. 所属分类：C/C++

    • 发布日期：2011-06-07
    • 文件大小：196608
    • 提供者：mimi1129

  1. 2010级中科院模式识别课件

  2. 主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式识别 句法模式识别基本概念、属性串和属性图匹配、HMM Discriminative Learning Loss

  3. 所属分类：专业指导

    • 发布日期：2011-08-02
    • 文件大小：8388608
    • 提供者：lq312658076

  1. 中科院模式识别+博士模式识别课

  2. 主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式识别 句法模式识别基本概念、属性串和属性图匹配、HMM Discriminative Learning Loss

  3. 所属分类：专业指导

    • 发布日期：2013-01-12
    • 文件大小：8388608
    • 提供者：wlzx_xiaoyou

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14680064
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14680064
    • 提供者：a121649982

  1. 模式识别决策方法

  2. 包括人工神经网络，隐马尔可夫模型、决策树、模板匹配等基本的模式识别方法

  3. 所属分类：C++

    • 发布日期：2013-08-23
    • 文件大小：6144
    • 提供者：buranchenai

  1. 基于神经网络的高效智能入侵检测系统理论课件

  2. 把神经网络作为异常检测系统的统计分析部分的一种替代方法，用来识别系统用户的典型特征，对用户既定行为的重大变化进行鉴别。将模式匹配与人工神经网络技术结合在一起，构成一个以已知的入侵规则为基础、可扩展的动态入侵事件检测系统，自适应的进行特征提取与异常检测，实现高效的入侵检测及防御。用神经网络来过滤出接收数据当中的可疑事件，并把这种事件转交给系统作进一步的处理。 这种结构可以通过减少系统的开销和IDS误报率来提高监测系统的效用。

  3. 所属分类：网络基础

    • 发布日期：2008-11-22
    • 文件大小：258048
    • 提供者：wycherley

  1. Matlab神经网络工具箱

  2. Matlab神经网络工具箱应用简介 神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。 一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。如下图所示。这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。

  3. 所属分类：网络基础

    • 发布日期：2009-03-28
    • 文件大小：272384
    • 提供者：tju_ethan

  1. 基于卷积神经网络的图片数字识别系统设计与实现.caj

  2. 传统的图像识别问题为经典的特征提取和模式匹配问题，共分为两个方面图像识别 和特征匹配。本文首先对图像识别问题进行了分析和总结，选取了以 Python 语言的 PTL 库作为图像识别的基本架构，其基本思路为讲图片预处理，包括图像分割、字符提取等。 字符识别本质为一个模式匹配问题，采用神经网络具有较好准确度，但是神经网络 具有训练时间长，容易陷入局部次优的缺陷。针对这一个问题，采用以卷积神经网络， 以卷积作为度量标准，进一步提升神经网络的反馈性能。 论文以 LeNet5 为卷积神经网络的基本工具

  3. 所属分类：深度学习

    • 发布日期：2020-05-04
    • 文件大小：2097152
    • 提供者：weixin_43324677

  1. 神经网络模式匹配方法

  2. 神经网络模式匹配方法，刘政，，以非线性大规模并行处理为主流的人工神经网络的研究在最近几年取得了引人注目的进展。引起了包括计算机科学、人工智能、信息科学

  3. 所属分类：其它

    • 发布日期：2020-02-06
    • 文件大小：246784
    • 提供者：weixin_38605604

  1. BP神经网络的数据分类.zip

  2. BP神经网络用于数据分类，基于语音特征信号分类的示例。语音识别的运算过程为：首先，待识别语音转化为电信号后输入识别系统，经过预处理后 用数学方法提取语音特征信号，提取出的语音特征信号可以看成该段语音的模式 。然后，将该段语音模型与已知参考模式相比较，获得最佳匹配的参考模式为该段语音的识别结果。

  3. 所属分类：机器学习

    • 发布日期：2019-10-06
    • 文件大小：376832
    • 提供者：weixin_44161185

  1. 用神经网络训练一个文本分类器

  2. 本文来自于machinelearnings。文章主要引用需要的库，提供训练集，整理数据，迭代：编写代码+测试预测结果+调整模型,抽象,等方面介绍的。理解聊天机器人的工作原理是非常重要的。聊天机器人内部一个非常重要的组件就是文本分类器。我们看一下文本分类器的神经网络（ANN）的内部工作原理。多层神经网络我们将会使用2层网络（1个隐层）和一个“词包”的方法来组织我们的训练数据。文本分类有3个特点：模式匹配、算法、神经网络。虽然使用多项朴素贝叶斯算法的方法非常有效，但是它有3个致命的缺陷：这个算法输出

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：443392
    • 提供者：weixin_38590567

  1. SKM:一种基于模式结构和已有匹配知识的模式匹配模型

  2. 针对已有基于模式结构的模式匹配方法的局限性,提出了一种利用模式结构信息和已有匹配知识的模式匹配模——SKM(schema and reused knowledge based matching model).在该模型中,借鉴神经网络元之间的影响过程实现语义匹配推理;通过重用已有匹配知识深入挖掘模式元素之间的深层语义关系;基于已有匹配知识自动缩减不确定阈值区之间来确定匹配阈值,有效减少人工干涉;给出了简单的确定模式元素之间匹配关系的方法;同时通过自适应式迭代模型,进一步挖掘求精已有匹配知识.实验结

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：1032192
    • 提供者：weixin_38551143

  1. 用神经网络训练一个文本分类器

  2. 本文来自于machinelearnings。文章主要引用需要的库，提供训练集，整理数据，迭代：编写代码+测试预测结果+调整模型,抽象,等方面介绍的。理解聊天机器人的工作原理是非常重要的。聊天机器人内部一个非常重要的组件就是文本分类器。我们看一下文本分类器的神经网络（ANN）的内部工作原理。多层神经网络我们将会使用2层网络（1个隐层）和一个“词包”的方法来组织我们的训练数据。文本分类有3个特点：模式匹配、算法、神经网络。虽然使用多项朴素贝叶斯算法的方法非常有效，但是它有3个致命的缺陷：这个算法输出

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：427008
    • 提供者：weixin_38645669

  1. 特征匹配融合结合改进卷积神经网络的人脸识别

  2. 提出一种特征匹配融合结合改进卷积神经网络(CNN)的图像识别方法。针对局部二值模式(LBP)算子提取的特征信息局限以及不能准确描述图像轮廓信息的问题, 使用梯度方向直方图(HOG)和LBP分层特征融合的方法在卷积神经网络中对训练集进行特征提取, 再将匹配提取的特征图像输入改进的卷积神经网络进行训练、识别。以ReLU为激活函数, 输出层用Softmax分类器, 并通过TensorFlow框架进行训练, 在ORL、YALE和CAS-PEAL人脸库上进行人脸识别仿真, 该方法识别率分别达到了99.2%

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：8388608
    • 提供者：weixin_38687928
« 12 »