基于matlab的神经网络训练方法，其中采用不同的隐层，自己编写的，实现多类数据的分类
上传时间： 2017-08-01
上传用户：许小华
神经网络VC实现,使用VC来实现bp神经网络，很好的实现了鸢尾花的数据分类，得到比较理想的结果。
标签： 神经网络
上传时间： 2017-08-07
上传用户：alan-ee
采用将BP神经网络的学习算法应用于PID控制中，使BP神经网络与PID控制算法结合起来，通过吸收两者的优势，使系统具有自适应性。这样系统可自动调节控制参数，更好地适应输入变量的变化，提高控制性能和可靠性。本文从BP神经网络的基本构成原理、学习规则和学习算法出发，设计了基于BP神经网络的PID控制器，并对其进行了仿真分析,结果表明，该控制方案可行、有效。
上传时间： 2014-02-27
上传用户：源码3
人工智能的课件，包含贝叶斯分类，神经网络等各种人工智能算法的介绍和讲解
标签： 人工智能
上传时间： 2017-08-14
上传用户：lifangyuan12
本书共分17章，第一章介绍了图像处理的基本知识，第二章介绍了图像处理编程的基本知识，以后各章分别介绍了区域分割与目标提取、边缘检测与提取、图像平滑、图像增强、特征选择与描述、彩色变换、彩色分割、几何变换、Hough变换、频率变换、小波变换、模式识别、神经网络、遗传算法、图像压缩的基本知识和应用实例，并且都附有相应的C语言图像处理程序。提供有一个Visual C++的学习版框架源程序和专业版演示程序，光盘里还附有专业版图像处理软件介绍和图像处理的工程应用介绍。
标签： 分
上传时间： 2017-08-23
上传用户：脚趾头
几篇关于神经网络的文章，结合遥感图像的特性，介绍了人工神经网络在遥感图像分类中的作用
标签： 神经网络
上传时间： 2017-09-17
上传用户：ljt101007
用bp神经网络训练分类器，进行分类，将结果分为几个类
上传时间： 2015-04-12
上传用户：sunnymovie
RBF神经网络在分类问题中得到了广泛的应用，尤其是模式识别的问题。许多模式识别实验证明，RBF具有更有效的非线性逼近能力，并且RBF神经网络的学习速度较其他网络快。本文在具有复杂控制规律的S函数构造方法的基础上，给出了基于MATLAB语言的RBF神经网络PID控制器，及该模型的一非线性对象的仿真结果。
上传时间： 2016-05-19
上传用户：子夜青衫
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
通过Matlab实现的bp神经网络分类，机器学习的基础
上传时间： 2017-01-17
上传用户：zhoubang
