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网络的应用实例，基于matlab仿真实验

  2. 该实验报告是基于matlab仿真工具，实现单层神经网络的仿真，从而详细讲解BP算法的原理。采用BP算法实现对信号的学习。BP神经网络是一个信号单向传播的多层前馈式误差反向传播神经网络。BP算法的基本思想是最小二乘法，它采用梯度搜索技术，使得网络的实际输出和理想输出的误差均方值为最小。其学习过程分两个过程：一是信号的正向传输，二是误差的反向传输。在信号的正向传输过程中，输入信号从输入层经隐含逐层处理，并传向输出层，每个神经元的状态只影响下一层神经元的状态，若输出层不能得到期望的输出，则转向反向传

  3. 所属分类：其它

    • 发布日期：2009-07-06
    • 文件大小：250880
    • 提供者：XUEYUAN0101

  1. 基于人工神经网络的销售量预测方法初探

  2. 提出了一种新的梢售量预侧方法一一神经网络方法。以我国电视机销售量为实际预刚对 象运用神经网络方法付其进行了试验预刚, 并和常规的线性回归方法进行了比较, 结果表明神 经网络方法具有较高的精确度加较好的预测能力。

  3. 所属分类：网络基础

    • 发布日期：2009-10-13
    • 文件大小：294912
    • 提供者：neptune_zx

  1. 图像处理论文-基于超分辨率算法

  2. 针对卫星图像成像过程中成像装置存在极限,导致图像分辨率低的问题,提出了基于神经网络的图 像超分辨率重建( neural networks super2resolution reconst ruction , NNSR) 方法。该方法利用误差反向传播神经 网络(back propagation neural networks , BPNN) 对样本图像进行学习和训练,利用图像退化模型获取学习样本, 采用向量映射加速BP 神经网络的收敛,充分融合了低分辨率序列图像中的冗余信息。通过对训练好的神经网

  3. 所属分类：网络基础

    • 发布日期：2009-10-23
    • 文件大小：625664
    • 提供者：happydoudou

  1. BP神经网络模型与学习算法

  2. 　在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 　　BP (Back Propagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后

  3. 所属分类：网络基础

    • 发布日期：2010-05-14
    • 文件大小：872448
    • 提供者：lhfzhong2008

  1. 电磁兼容的人工神经网络预测技术分析

  2. 电磁兼容预测是实现电子设备或系统电磁兼容性(elect romagnetic compatibility , EMC) 的必要步骤。提出了应用人工神经网络对电磁兼容问题进行快速预测的方法。通过选择有 效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络(back propagation ,BP) 构造输 入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和 测试样本集对构造好的BP 网络进行训练,建立了基于BP 网络的电磁兼容快速预测模型。最后以 导线间的

  3. 所属分类：网络基础

  1. BP神经网络MATLAB例程

  2. BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输

  3. 所属分类：其它

    • 发布日期：2012-12-28
    • 文件大小：4096
    • 提供者：highflower

  1. LM算法在神经网络语音识别中的应用

  2. 输入语音信号中的声音的特征提取和分类识别可以通过多层前馈神经网络大量学习实现，但基于误差反向传播的前馈神经网络标准算法收敛速度慢，在训练中效率不高。

  3. 所属分类：网络监控

    • 发布日期：2013-03-16
    • 文件大小：437248
    • 提供者：rainstanding

  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. c#误差反向传播(BP)算法代码

  2. 演示神经学BP算法示例代码，界面清晰，操作简单。s

  3. 所属分类：C#

  1. BP神经网络

  2. 神经网络 BP网络是一种多层前馈神经网络，由输入层、隐层和输出层组成。层与层之间采用全互连方式，同一层之间不存在相互连接，隐层可以有一个或多个。构造一个BP网络需要确定其处理单元--神经元的特性和网络的拓扑结构。神经元是神经网络最基本的处理单元，隐层中的神经元采用S型变换函数，输出层的神经元可采用S型或线性型变换函数。神经网络学习采用改进BP算法，学习过程由前向计算过程 和误差反向传播过程组成。通过对误差的修改使得最终网络的实际输出与各自所对应的期望输出逼近。

  3. 所属分类：医疗

    • 发布日期：2014-03-19
    • 文件大小：34816
    • 提供者：u014212672

  1. 反向传播的神经网络

  2. 两个输入a、b（10以内的数），一个输出 c，c=a+b。换句话说就是教BP神经网络加法运算。在 45个神经元，820个训练样例，样本平均误差小于0.01时完成训练（学习率等见参考代码）的条件下，最后预测 (6,8)，(2.1,7),(4.3,8）

  3. 所属分类：其它

    • 发布日期：2015-11-26
    • 文件大小：7168
    • 提供者：aqs1305583364

  1. 人工智能BP神经网络

  2. 利用网络误差反向传播训练权值,通过MATLAB语言进行仿真,效果不错

  3. 所属分类：网络基础

    • 发布日期：2009-03-07
    • 文件大小：4096
    • 提供者：haodavidhrzq

  1. 机器学习-误差反向传播

  2. 公司内部AI学习资料，共享给感兴趣的朋友。值得一看！！！

  3. 所属分类：机器学习

    • 发布日期：2018-06-28
    • 文件大小：1048576
    • 提供者：dybjsun

  1. 反向传播算法推导—全连接神经网络

  2. 反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大 规模的应用。全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神 经网络(RNN)中都有它的实现版本。算法从多元复合函数求导的链式法则导出，递推的 计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失函数对神经网络每一层 临时输出值的梯度。反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误 差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层

  3. 所属分类：机器学习

    • 发布日期：2018-07-07
    • 文件大小：791552
    • 提供者：sigai_csdn

  1. 基于人工蜂群的BP神经网络 人工蜂群算法的反向传播神经网络.zip

  2. 基于人工蜂群的BP神经网络 人工蜂群算法的反向传播神经网络。 基于人工蜂群算法的反向传播神经网络，通过大量尝试提出对神经网络误差调整参数进行优化的方法 BP神经网络 基于人工蜂群的BP神经网络

  3. 所属分类：算法与数据结构

    • 发布日期：2019-05-20
    • 文件大小：824320
    • 提供者：nui111

  1. 基于遗传算法优化反向传播神经网络的激光铣削层质量预测

  2. 为了有效地控制激光铣削层质量，建立了激光铣削层质量（铣削层深度、铣削层宽度）与铣削层参数（激光功率、扫描速度和离焦量）之间的反向传播(BP)神经网络预测模型。利用遗传算法(GA)优化了BP神经网络的权值和阈值，构建了基于遗传算法神经网络的质量预测模型。用GA-BP算法对激光铣削层质量进行了仿真预测，并将仿真结果与BP神经网络模型仿真结果进行了对比。仿真结果表明，两种网络模型的平均误差较小，网络训练后检验精度较高，说明两种网络模型用于激光铣削层质量预测是可行的，并且遗传算法优化BP神经网络能够有效

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38665411

  1. 卷积神经网络反向传播理论推导

  2. 本文来自于csdn，本文首先简单介绍CNN的结构，并不作详细介绍.然后讲解反向传播理论。本文只要讲解CNN的反向传播，CNN的反向传播，其实并不是大多所说的和全连接的BP类似，CNN的全连接部分的BP是与它相同，但是CNN中卷积--池化、池化--卷积部分的BP是不一样的，仔细推导，还是有很多细节地方需要思考的，比如1、在前向传播的过程中，卷积层的输入，是通过卷积核与前一层的输出特征图卷积得来的，那么在反向传播的过程中该怎么处理？这个就与全连接神经网络不同了。2、由于在前向传播的时候，池化层会对前

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38674569

  1. 反向传播人造神经网络预测激光微孔表面粗糙度

  2. 对304不锈钢试样进行了激光打孔试验, 使用形貌仪测得了孔截面粗糙度参数, 并通过反向传播神经网络, 建立了基于激光功率、脉冲频率和离焦量三个工艺参数与孔表面粗糙度之间关系的神经网络预测模型。利用大量试验数据对样本进行网络训练, 证实了该人工神经网络模型预测精度高, 预测误差控制在6%左右, 最大误差不超过8.08%。该模型可以准确地预测激光打孔表面的粗糙度和有效地缩短激光打孔作业的准备周期。

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：3145728
    • 提供者：weixin_38697979

  1. 衍射主镜面外拼接误差分析

  2. 多子镜拼接的方法可实现大口径菲涅耳衍射透镜制作, 但拼接误差会对光学系统的成像质量造成影响。通过衍射光线追迹和波前恢复的方法, 正向得到了子镜沿自身x′轴倾斜、y′轴倾斜、z′轴平移等面外误差与对应波前误差Zernike系数的数据库。利用数据库基于反向传播神经网络优化算法反向建立波前误差Zernike系数与对应面外误差的非线性耦合映射模型, 可实现通过输入Zernike系数完成对面外误差耦合扰动情况的快速求解, 运用带有符号的数值判定面外误差的大小及方向。对该模型进行模拟数值计算, 验证了该方法

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：9437184
    • 提供者：weixin_38656400

  1. numpy实现神经网络反向传播算法的步骤

  2. 一、任务 实现一个4 层的全连接网络实现二分类任务，网络输入节点数为2，隐藏层的节点数设计为：25,50,25，输出层2 个节点，分别表示属于类别1 的概率和类别2 的概率，如图所示。我们并没有采用Softmax 函数将网络输出概率值之和进行约束，而是直接利用均方差误差函数计算与One-hot 编码的真实标签之间的误差，所有的网络激活函数全部采用Sigmoid 函数，这些设计都是为了能直接利用梯度推导公式。 二、数据集 通过scikit-learn 库提供的便捷工具生成2000 个线性不可

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：288768
    • 提供者：weixin_38722193
« 12 3 4 5 6 7 8 »