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. Python实现一个最简单的2层BP神经网络

  2. 一个最简单的误差反向传播神经网络（BP神经网络），Python实现，Python版本:Python3.5.2

  3. 所属分类：机器学习

    • 发布日期：2017-11-19
    • 文件大小：933
    • 提供者：homegreat

  1. Python实现一个简单的3层BP神经网络

  2. 一个简单的3层(1层隐层)误差反向传播神经网络（BP神经网络），Python实现，Python版本:Python3.5.2

  3. 所属分类：机器学习

    • 发布日期：2017-11-27
    • 文件大小：1024
    • 提供者：homegreat

  1. 十分简单的单隐层BP神经网络python实现

  2. 十分简单的单隐层BP神经网络python实现，运用了冲量项加快收敛，除此之外没有任何框架和复杂的函数，帮助初学者快速理解反向误差传播的含义

  3. 所属分类：机器学习

    • 发布日期：2018-06-02
    • 文件大小：1024
    • 提供者：qq_17792453

  1. python从零开始简单实现bp神经网络

  2. 使用python从头编写的三层bp神经网络。简单的对网上给出的数据进行训练和测试。

  3. 所属分类：机器学习

    • 发布日期：2018-07-04
    • 文件大小：3072
    • 提供者：xingkexiaoer

  1. 神经网络(BP)算法Python实现及应用

  2. 主要为大家详细介绍了Python实现神经网络(BP)算法及简单应用，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：89088
    • 提供者：weixin_38538264

  1. Onlab实验 答案 微信小程序 人工智能（人工智能原理）.zip

  2. 微信小程序 Onlab实验 代码答案 人工智能原理 实验1:猴子摘香蕉问题的Python编程实现 实验2:编程实现简单恐龙识别系统的知识表示 实验3:搜索算法求解8数码问题 实验4:字句集消解实验 实验5:简单恐龙识别系统的产生式推理 实验6:蚁群算法在TSP问题中的实现 实验7:粒子群优化算法实验 实验8:遗传算法在TSP问题中的实现 实验9: BP神经网络实验

  3. 所属分类：讲义

    • 发布日期：2020-11-25
    • 文件大小：808960
    • 提供者：weixin_45912291

  1. Python使用numpy实现BP神经网络

  2. 本文完全利用numpy实现一个简单的BP神经网络，由于是做regression而不是classification，因此在这里输出层选取的激励函数就是f(x)=x。BP神经网络的具体原理此处不再介绍。 import numpy as np class NeuralNetwork(object): def __init__(self, input_nodes, hidden_nodes, output_nodes, learning_rate): # Set number of no

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：37888
    • 提供者：weixin_38641366

  1. 手推BP算法及python实现

  2. 画图和编辑公式实在是太麻烦了，我就写在纸上吧 一、BP推导 一个简单的神经网络： 正向传播： 1.输入层—->隐含层： 这里我们要把得到的值通过sigmoid激活一下： 2.隐含层—->输出层：同理 这样我们就得到了输出值out(o1)和out(o2)，此时这两个输出值和我们预想的输出值肯定相差甚远（可以自己设定几个数试一试）那么我们就要进行反向传播来修正w以此来修正输出值。 反向传播： 1.我们所期望的数据和输出数据的误差： 2.隐含层—->输出层的权值更新： 以w

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：1048576
    • 提供者：weixin_38522253

  1. Python：客运量与货运量预测-BP神经网络

  2. 基于Python实现BP神经网络，参考资料会放在最后。 BP神经网络误差向量推导过程用到了微分链式求导 了解整个BP神经网络运行原理之后，就挺简单的 像一般神经网络一样，BP神经网络先进行FP传导即正向传导，案例中只设置了一层隐含层，所以参数层有两层:w1,b1;w2,b2;W参数矩阵的行列：行为输出层的神经元个数，列是输入层的神经元个数。 隐含层的结果：O1=sigmoid(a1)=sigmoid(w1.x.T+b1),隐含层使用了sigmoid激活函数 输出结果：O2=a2=W2*O1+b2

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：607232
    • 提供者：weixin_38509082

  1. 基于python的BP神经网络及异或实现过程解析

  2. BP神经网络是最简单的神经网络模型了，三层能够模拟非线性函数效果。 难点： 如何确定初始化参数？ 如何确定隐含层节点数量？ 迭代多少次？如何更快收敛？ 如何获得全局最优解？ ''' neural networks created on 2019.9.24 author: vince ''' import math import logging import numpy import random import matplotlib.pyplot as plt ''' neu

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：224256
    • 提供者：weixin_38581455

  1. Tensorflow卷积神经网络

  2. 卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,在计算机视觉等领域被广泛应用.本文将简单介绍其原理并分析Tensorflow官方提供的示例.关于神经网络与误差反向传播的原理可以参考作者的另一篇博文BP神经网络与Python实现.卷积是图像处理中一种基本方法.卷积核是一个f*f的矩阵.通常n取奇数,使得卷积核有中心点.对图像中每个点取以其为中心的f阶方阵,将该方阵中各值与卷积核中对应位置的值相乘,并用它们的和作为结果矩阵中对应点的值.1*1+1*0+

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：572416
    • 提供者：weixin_38645133

  1. BP神经网络与Python实现

  2. 本文来自于cnblogs,人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题，神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数，并使用该函数进行预测，网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题，如果你已经了解了神经网络的工作原理可以在http://playground.tensorflow.org/上体验一个浅层神经网络的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：161792
    • 提供者：weixin_38712899

  1. BP神经网络python简单实现

  2. 本文来自于CSDN，介绍了BP神经网络原理以及如何使用Python来实现BP神经网络等相关知识。人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题，神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数，并使用该函数进行预测，网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题.感知机(Perceptron)是一个简单的线性二分类器，它保

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：161792
    • 提供者：weixin_38658085

  1. Tensorflow卷积神经网络

  2. 卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,在计算机视觉等领域被广泛应用.本文将简单介绍其原理并分析Tensorflow官方提供的示例.关于神经网络与误差反向传播的原理可以参考作者的另一篇博文BP神经网络与Python实现.卷积是图像处理中一种基本方法.卷积核是一个f*f的矩阵.通常n取奇数,使得卷积核有中心点.对图像中每个点取以其为中心的f阶方阵,将该方阵中各值与卷积核中对应位置的值相乘,并用它们的和作为结果矩阵中对应点的值.1*1+1*0+

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：556032
    • 提供者：weixin_38732425

  1. BP神经网络python简单实现

  2. 本文来自于CSDN，介绍了BP神经网络原理以及如何使用Python来实现BP神经网络等相关知识。人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.联想大家熟悉的回归问题，神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数，并使用该函数进行预测， 网络的训练过程即为调节该函数参数提高预测精度的过程.神经网络要解决的问题与最小二乘法回归解决的问题并无根本性区别.回归和分类是常用神经网络处理的两类问题.感知机(Perceptron)是一个简单的线性二分类器，它

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：155648
    • 提供者：weixin_38526208

  1. 神经网络(BP)算法Python实现及应用

  2. 本文实例为大家分享了Python实现神经网络算法及应用的具体代码，供大家参考，具体内容如下 首先用Python实现简单地神经网络算法： import numpy as np # 定义tanh函数 def tanh(x): return np.tanh(x) # tanh函数的导数 def tan_deriv(x): return 1.0 - np.tanh(x) * np.tan(x) # sigmoid函数 def logistic(x): return 1 / (1 + np.

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：91136
    • 提供者：weixin_38748207

  1. BP神经网络原理及Python实现代码

  2. 本文主要讲如何不依赖TenserFlow等高级API实现一个简单的神经网络来做分类，所有的代码都在下面；在构造的数据（通过程序构造）上做了验证，经过1个小时的训练分类的准确率可以达到97%。 完整的结构化代码见于：链接地址 先来说说原理 网络构造 上面是一个简单的三层网络；输入层包含节点X1 , X2；隐层包含H1，H2；输出层包含O1。 输入节点的数量要等于输入数据的变量数目。 隐层节点的数量通过经验来确定。 如果只是做分类，输出层一般一个节点就够了。 从输入到输出的过程 1.输入节点的输出

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：103424
    • 提供者：weixin_38663701