基于GMM的概率神经网络PNN具有良好的泛化能力
基于GMM的概率神经网络PNN具有良好的泛化能力,快速的学习能力,易于在线更新,并具有统计学的贝叶斯估计理论基础,已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点,还具有许多GMM没有的优点,如强鲁棒性,需要更...
基于GMM的概率神经网络PNN具有良好的泛化能力,快速的学习能力,易于在线更新,并具有统计学的贝叶斯估计理论基础,已成为一种解决像说话人识别、文字识别、医疗图像识别、卫星云图识别等许多实际困难分类问题的很有效的工具。而且PNN不但具有GMM的大部分优点,还具有许多GMM没有的优点,如强鲁棒性,需要更...
本书就使用matlab实现bp神经网络进行了较为详细的说明,书中包含许多具体的实例说明,希望能为大家带来一定的帮助。...
介绍了神经网络模式识别的基本知识,适合于模式识别领域的人员...
经典的SOM人工神经网络例子源码.zip 经典的SOM人工神经网络例子源码.zip...
BP神经网络VC类,此类对BP神经网络进行了封装,整个类是基于动态构建,可以适合于任何采用BP神经网络的模式识别应用。...