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. ACE中文学习资料 集合多种并行网络开发模式 主动模式 半反应器模式

  2. 这里面是ACE并行网络开发模式的全集，格式为CHM，方便阅读。对开发网络应用程序有很强的参考性。

  3. 所属分类：网络基础

    • 发布日期：2009-06-19
    • 文件大小：5242880
    • 提供者：testing2007

  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. 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. 计算机网络基础知识（打包下载）

  2. 拥塞管理和排队、计算机网络的划分、分层的模式、网络性能指标、TCP/IP、带通调制方法、解释名词： 数据、信号、模拟数据、模拟信号、基带信号,带通信号,数字数据、数字信号、码元,单工通 信、半双工通信、全双工通信,URL、DNS、串行传输,并行传输、网 络元素、被管对象、管理进程、代理进程和管理信息库、CSMA/CD协议要点、循环冗余检验CRC校 检过程、分组转发算法、WFQ(weighted fair queuing加权公平排队)、CBWFQ

  3. 所属分类：网络基础

    • 发布日期：2010-06-05
    • 文件大小：81920
    • 提供者：cqoct1003

  1. 基于模式迁移策略的并行遗传算法论文

  2. 并行遗传算法的说明~ 　通过分析影响并行遗传算法算法性能的诸多因素,以降低通信代价为问题的突破口,提出一种基于模式 定理的迁移策略SMS. SMS 迁移策略借鉴网络信息传输机制,通过模式识别压缩提取出子种群中的优质遗传信息, 再将这一遗传信息在另一子种群中按比例传播. 文中首先依据模式定理对模式迁移策略的算法有效性进行了探 讨,然后从理论角度给出了采用模式迁移策略后通信量降低的形式化度量,最后分析了由此带来的算法可扩展性 的提高.

  3. 所属分类：其它

    • 发布日期：2010-06-18
    • 文件大小：382976
    • 提供者：cptiantang

  1. 面向模式的软件架构 卷二 并行和网络

  2. 面向模式的软件架构 卷二 Volume 2 Patterns for Concurrent and Networked Objects， 经典，看起来有一定难度

  3. 所属分类：网络基础

    • 发布日期：2010-08-01
    • 文件大小：3145728
    • 提供者：jeanva

  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. 人工神经网络应用系统体系

  2. 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 　　神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： 　　（1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 　　（2）建立理论模型。根据生物原型的研究

  3. 所属分类：网络基础

    • 发布日期：2010-09-26
    • 文件大小：300032
    • 提供者：hs3712993

  1. 神经网络导论课件及习题

  2. 　神经网络是： 　　思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 　　逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用

  3. 所属分类：网络基础

    • 发布日期：2010-12-11
    • 文件大小：3145728
    • 提供者：yitati

  1. 高性能并行计算.pdf

  2. 目录 第一部分并行计算基础3 第一章预备知识5 x1.1 并行计算的目标和内容. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 x1.2 并行计算机发展历程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 x1.2.1 计算机系统发展简史. . . . . . . . . . . . . . . . . . . . . . . . . . 6 x1.2.2 并

  3. 所属分类：其它

    • 发布日期：2011-04-14
    • 文件大小：1048576
    • 提供者：tangkaichina

  1. 入侵检测中模式匹配算法的FPGA实现

  2. 摘 要：基于软件实现的入侵检测技术在高速网应用中容易引起瓶颈，根据入侵检测的应用特点， 提出了一种关键字长度可变、内容可重置的并行模式匹配硬件实现方法，详细论述了用FPGA 设 计实现了这种方法的技术途径，通过一个设计实例仿真分析表明，这种硬件模式匹配技术设计灵活 方便，匹配速度快，资源利用率较高，在高速网络应用领域具有较高的实用价值。 关键词：入侵检测；模式匹配；并行算法；硬件技术；FPGA 中图分类号：TP311.5 文献标识码：A 文章编号：1004-731X (2007) 14-321

  3. 所属分类：网络安全

    • 发布日期：2011-05-05
    • 文件大小：404480
    • 提供者：qunshan1980

  1. 基于BP神经网络的汽车牌照识别

  2. 人工神经网络模式识别方法是近些年提出的新方法，为字符识别研究提供了一种新手段，它具有一些传统技术所没有的优点：良好的容错能力、分类能力强、并行处理能力和自学习能力。因而，采用神经网络识别方式是一种很好的选择。

  3. 所属分类：交通

    • 发布日期：2011-05-31
    • 文件大小：293888
    • 提供者：elevenbox

  1. 基于神经网络的系统辨识方法研究

  2. 人工神经网络具有并行处理能力、自学习能力、自适应能力和以任意精度逼 近任意非线性函数的特点，在模式识别、系统辨识、控制等领域都得到了广泛的 应用。本文就神经网络在模式识别与系统辨识方面的应用展开研究，提出了几种 较新的系统模型辨识和模型参数辨识方法。

  3. 所属分类：专业指导

    • 发布日期：2012-11-27
    • 文件大小：2097152
    • 提供者：celebrate0310

  1. MATLAB 神经网络43个案例分析》源代码&数据.

  2. 《MATLAB 神经网络43个案例分析》目录 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 第8章 GRNN网络的预测----基于广义回归神经网络的

  3. 所属分类：讲义

    • 发布日期：2015-01-18
    • 文件大小：11534336
    • 提供者：sjm2015

  1. MATLAB神经网络43个案例分析

  2. MATLAB神经网络43个案例分析源代码&数据 《MATLAB 神经网络43个案例分析》目录 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 第8章

  3. 所属分类：深度学习

    • 发布日期：2018-03-30
    • 文件大小：11534336
    • 提供者：qq_37688548

  1. 《MATLAB 神经网络43个案例分析》包含代码和测试数据

  2. 《MATLAB 神经网络43个案例分析》源代码&数据 《MATLAB 神经网络43个案例分析》目录 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章遗传算法优化BP神经网络——非线性函数拟合 第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章RBF网络的回归--非线性函数回归的实现 第8章GR

  3. 所属分类：机器学习

    • 发布日期：2018-04-08
    • 文件大小：11534336
    • 提供者：qq_20039347

  1. MATLAB神经网络43个案例分析

  2. 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 第8章 GRNN网络的预测----基于广义回归神经网络的货运量预测 第9章 离散Hopfield神经网

  3. 所属分类：机器学习

    • 发布日期：2018-05-03
    • 文件大小：70254592
    • 提供者：qq_42127032

  1. 《MATLAB 神经网络43个案例分析》源代码&数据

  2. 《MATLAB 神经网络43个案例分析》目录 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章 遗传算法优化BP神经网络——非线性函数拟合 第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章 RBF网络的回归--非线性函数回归的实现 第8章 GRNN网络的预测----基于广义回归神经网络的

  3. 所属分类：其它

    • 发布日期：2018-08-13
    • 文件大小：11534336
    • 提供者：weixin_39963055

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：274432
    • 提供者：suiyu_eran
« 12 3 4 5 6 7 8 9 10 ... 17 »