用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m；
上传时间： 2013-12-06
上传用户：奇奇奔奔
用于BASE64编码和解码的程序，如果你需要自己做一个程序来控制CISCO网络设备，这个是必需的
上传时间： 2013-12-22
上传用户：离殇
由行政地区（省、市、县）查询身份证编码前6位，或由身份证编码查询地区，包括选择查询和直接输入内容查询，部分数据从网络得来，本人仅作学习研究之用，故请见谅。 ---zhg工作室----2007.10----Email-wudazhg@163.com
上传时间： 2013-12-16
上传用户：330402686
由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。程序需要调用gaot工具箱.
标签： BP网络
上传时间： 2016-02-01
上传用户：thinode
这是一个简单的但也是最为标准的网络客户端范例，不但有登陆设计，而且将用户输入转换为其他编码类型，避免的传送中被人截获数据盗取密码的危险。并且将用户所用手机信息版本全部发送给了服务端，有利于服务端人性化的因机而异。
上传时间： 2013-12-25
上传用户：yan2267246
由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱
标签： BP网络
上传时间： 2016-06-02
上传用户：redmoons
程序名：ga_bp_predict.cpp 描述： 采用GA优化的BP神经网络程序，用于单因素时间 序列的预测,采用了单步与多步相结合预测 说明： 采用GA(浮点编码)优化NN的初始权值W[j][i],V[k][j]，然后再采用BP算法 优化权值
标签： ga_bp_predict cpp 程序 BP神经网络
上传时间： 2014-02-17
上传用户：冇尾飞铊
数字多路系统(DMS)指的是Nortel网络开发的一个交换系统系列。它可以提供用于语音和数据传输的数字电路交换服务，数字传输的信息包交换服务。数字多路系统的特点是在整个交换网络中采用脉冲编码解调（PCM）和时分复用系统（TDM）。该系统允许对传输系统中的PCM信号进行直接交换而不需要转化成模拟格式。
上传时间： 2016-08-23
上传用户：sxdtlqqjl
一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 二、用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 主程序：gabpfault.m 它包括以下子程序： 1. 网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 三、纯BP 主程序：（1）bpfault.m 在MATLAB5.2上 （2）bpfault.m 在MATLAB6.5上 为后来所加
上传时间： 2014-08-15
上传用户：litianchu
神经网络也许是计算机计算的将来，一个了解它的好方法是用一个它可以解决的难题来说明。假设给出 500 个字符的代码段，您知道它们是 C、C++、Java 或者 Python。现在构造一个程序，来识别编写这段代码的语言。一种解决方案是构造一个能够学习识别这些语言的神经网络。这篇文章讨论了神经网络的基本功能以及构造神经网络的方法，这样就可以在编码时应用它们了。 根据一个简化的统计，人脑由百亿条神经组成 — 每条神经平均连结到其它几千条神经。通过这种连结方式，神经可以收发不同数量的能量。神经的一个非常重要的功能是它们对能量的接受并不是立即作出响应，而是将它们累加起来，当这个累加的总和达到某个临界阈值时，它们将它们自己的那部分能量发送给其它的神经。大脑通过调节这些连结的数目和强度进行学习。尽管这是个生物行为的简化描述。但同样可以充分有力地被看作是神经网络的模型。
上传时间： 2016-11-28
上传用户：alan-ee
