求一個(gè)simulink的蓄電池用BP神經(jīng)網(wǎng)絡(luò)PID控制電機(jī)加速勻速減速運(yùn)動(dòng)的模型仿真
2020-02-22 02:17:03
一文看懂BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)數(shù)學(xué)知識(shí)
2020-06-16 07:14:35
第1章 BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類——語(yǔ)音特征信號(hào)的分類
2020-04-28 08:05:42
網(wǎng)絡(luò)BP算法的程序設(shè)計(jì) 多層前向網(wǎng)絡(luò)BP算法源程序 第4章 Hopfield網(wǎng)絡(luò)模型 4.1 離散型Hopfield神經(jīng)網(wǎng)絡(luò) 4.2 連續(xù)型Hopfield神經(jīng)網(wǎng)絡(luò) Hopfield網(wǎng)絡(luò)模型
2012-03-20 11:32:43
問(wèn)題，一個(gè)是神經(jīng)網(wǎng)絡(luò)的移植，另一個(gè)是STM32的計(jì)算速度。神經(jīng)網(wǎng)絡(luò)的移植網(wǎng)絡(luò)采用的是最簡(jiǎn)單的BP神經(jīng)網(wǎng)絡(luò)，基本原理可以自己去了解一下，大概就是通過(guò)若干次矩陣運(yùn)算AX+BAX+BAX+B將m個(gè)輸入對(duì)應(yīng)到n
2022-01-11 06:20:53
MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)說(shuō)明：本文檔中所列出的函數(shù)適用于MATLAB5.3以上版本，為了簡(jiǎn)明起見(jiàn)，只列出了函數(shù)名，若需要進(jìn)一步的說(shuō)明，請(qǐng)參閱MATLAB的幫助文檔。1. 網(wǎng)絡(luò)創(chuàng)建函數(shù)newp
2009-09-22 16:10:08
卡爾曼濾波的神經(jīng)網(wǎng)絡(luò)可以解決諸如BP網(wǎng)絡(luò)的一些缺陷。為大家提供幾篇這方面的參考文獻(xiàn)。
2011-02-28 09:29:36
請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
2019-07-21 04:30:00
`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向
2019-07-21 04:00:00
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
請(qǐng)問(wèn)用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測(cè)？
2014-02-08 14:23:06
求大神們 給點(diǎn)關(guān)于開(kāi)關(guān)磁阻電機(jī)的matlab BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)建模方面的資料
2014-11-17 11:16:43
本文首先簡(jiǎn)單的選取了少量的樣本并進(jìn)行樣本歸一化，這樣就得到了可供訓(xùn)練的訓(xùn)練集和測(cè)試集。然后訓(xùn)練了400×25×2的三層BP神經(jīng)網(wǎng)絡(luò)，最后對(duì)最初步的模型進(jìn)行了誤差分析并找到了一種效果顯著的提升方法！
2021-07-12 06:49:37
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
2019-07-17 07:21:50
propagation algorithm，BP）[22]。BP 算法采用 Sigmoid 進(jìn)行非線性映射，有效解決了 非線性分類和學(xué)習(xí)的問(wèn)題，掀起了神經(jīng)網(wǎng)絡(luò)第二次 研究高潮。BP 網(wǎng)絡(luò)是迄今為止最常用的神經(jīng)網(wǎng)絡(luò)， 目前
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
最近一個(gè)月的時(shí)間沒(méi)有更博，跟隨老師出差談項(xiàng)目了。前段時(shí)間學(xué)習(xí)了電機(jī)的智能控制，這次把設(shè)計(jì)好的基于BP神經(jīng)網(wǎng)絡(luò)PID控制器應(yīng)用于雙閉環(huán)直流調(diào)速系統(tǒng)。雙閉環(huán)直流調(diào)速系統(tǒng)的動(dòng)態(tài)數(shù)學(xué)模型如下圖所示： 外環(huán)為
2021-06-28 12:03:44
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
摘 要：本文給出了采用ADXL335加速度傳感器來(lái)采集五個(gè)手指和手背的加速度三軸信息，并通過(guò)ZigBee無(wú)線網(wǎng)絡(luò)傳輸來(lái)提取手勢(shì)特征量，同時(shí)利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行誤差分析來(lái)實(shí)現(xiàn)手勢(shì)識(shí)別的設(shè)計(jì)方法
2018-11-13 16:04:45
基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)
2018-01-04 13:37:27
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問(wèn)題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
`點(diǎn)擊學(xué)習(xí)>>《龍哥手把手教你學(xué)LabVIEW視覺(jué)設(shè)計(jì)》視頻教程用LabVIEW實(shí)現(xiàn)的BP人工神經(jīng)網(wǎng)絡(luò)曲線擬合，感謝LabVIEW的矩陣運(yùn)算函數(shù)，程序流程較之文本型語(yǔ)言清晰很多。[hide] [/hide]`
2011-12-13 16:41:43
本文介紹了基于三層前饋BP神經(jīng)網(wǎng)絡(luò)的圖像壓縮算法，提出了基于FPGA的實(shí)現(xiàn)驗(yàn)證方案，詳細(xì)討論了實(shí)現(xiàn)該壓縮網(wǎng)絡(luò)組成的重要模塊MAC電路的流水線設(shè)計(jì)。
2021-05-06 07:01:59
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
，并能在腦海中重現(xiàn)這些圖像信息，這不僅與人腦的海量信息存儲(chǔ)能力有關(guān)，還與人腦的信息處理能力，包括數(shù)據(jù)壓縮能力有關(guān)。在各種神經(jīng)網(wǎng)絡(luò)中，多層前饋神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的信息處理能力，由于其采用BP算法，因此也
2019-08-08 06:11:30
例如BP神經(jīng)網(wǎng)絡(luò)
2018-03-07 19:44:24
求一個(gè)simulink的蓄電池用BP神經(jīng)網(wǎng)絡(luò)PID控制電機(jī)加速勻速減速運(yùn)動(dòng)的模型仿真
2020-02-22 02:15:50
求一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)PID控制器應(yīng)用于雙閉環(huán)直流調(diào)速系統(tǒng)BP_PID控制器學(xué)習(xí)參數(shù)怎么設(shè)置？
2021-10-13 08:10:12
誰(shuí)有利用LABVIEW 實(shí)現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序?。ㄎ矣玫陌姹臼?.6的 ）
2012-11-26 14:54:59
求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過(guò)程，最好有程序哈，謝謝！！
2012-12-10 14:55:50
參考文獻(xiàn)用labview編寫(xiě)的一個(gè)3層BP神經(jīng)網(wǎng)絡(luò)程序
2015-05-28 10:35:08
請(qǐng)問(wèn)用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測(cè)？
2014-02-08 14:19:12
針對(duì)模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用BP算法比較依賴于網(wǎng)絡(luò)的初始條件,訓(xùn)練時(shí)間較長(zhǎng),容易陷入局部極值的缺點(diǎn),利用粒子群優(yōu)化算法(PSO)的全局搜索性能,將PSO用于模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程.由于基本PSO算法存在
2010-05-06 09:05:35
基于BP 神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)的原理。通過(guò)在MATLAB環(huán)境下，對(duì)典型的不穩(wěn)定、非線性、強(qiáng)耦合的倒立擺系統(tǒng)建立了BP 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)，并對(duì)辨識(shí)結(jié)果進(jìn)
2009-05-27 11:54:14
14 基于BP 神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)的原理。通過(guò)在MATLAB環(huán)境下，對(duì)典型的不穩(wěn)定、非線性、強(qiáng)耦合的倒立擺系統(tǒng)建立了BP 神經(jīng)網(wǎng)絡(luò)辨識(shí)結(jié)構(gòu)，并對(duì)辨識(shí)結(jié)果
2009-05-27 13:28:5321 基于信息熵思想，按照熵權(quán)的大小篩選信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，定義了評(píng)價(jià)指標(biāo)的效率指數(shù)，用評(píng)價(jià)結(jié)果的區(qū)分度反映評(píng)價(jià)指標(biāo)的有效性。算例表明，在初始指標(biāo)組中，將熵權(quán)極小的指
2009-05-28 11:24:398 為了從神經(jīng)網(wǎng)絡(luò)中獲取易于理解的知識(shí)，以小麥病害診斷為例，研究了BP 神經(jīng)網(wǎng)絡(luò)的規(guī)則抽取，提出一種基于結(jié)構(gòu)分析的BP 神經(jīng)網(wǎng)絡(luò)規(guī)則抽取方法。采用帶懲罰項(xiàng)的交錯(cuò)熵誤差函
2009-07-30 09:18:0913 本文討論了使用BP 神經(jīng)網(wǎng)絡(luò)PID 控制算法，并且將這種控制算法應(yīng)用在漂白工段的控制當(dāng)中。利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力，在線整定PID 控制參數(shù)。實(shí)踐證明BP 神經(jīng)網(wǎng)絡(luò)PID控制器具有
2009-08-15 10:27:3634 通過(guò)研究企業(yè)信用評(píng)估中的模型問(wèn)題，為企業(yè)經(jīng)營(yíng)活動(dòng)和決策過(guò)程提供信息支持。提出基于改進(jìn)型BP 神經(jīng)網(wǎng)絡(luò)的信用評(píng)估模型。在建立指標(biāo)體系和輸出機(jī)制的基礎(chǔ)上，討論了基于
2009-08-22 11:56:3413 本文介紹了BP神經(jīng)網(wǎng)絡(luò)的基本原理。由于BP神經(jīng)網(wǎng)絡(luò)有著神奇的非線性映射能力，通過(guò)構(gòu)造特殊的映射關(guān)系，獲得了一套基于BP神經(jīng)網(wǎng)絡(luò)的通用高效無(wú)損數(shù)據(jù)壓縮方案。通過(guò)試驗(yàn)證明
2009-09-11 16:00:3911 BP 神經(jīng)網(wǎng)絡(luò)是目前用于模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)之一。本文應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)完成了實(shí)際電路最優(yōu)測(cè)試集的生成設(shè)計(jì)，驗(yàn)證了基于BP 神經(jīng)網(wǎng)絡(luò)的最優(yōu)測(cè)試集的生成的可行性和有
2009-12-16 16:08:339 本文首先介紹了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)BP 算法的優(yōu)缺點(diǎn)，并結(jié)合模擬退火算法局部搜索全局的特點(diǎn)，提出將模擬退火算法和傳統(tǒng)的BP 算法相結(jié)合，形成一種新的BP 神經(jīng)網(wǎng)絡(luò)算法，有效的解
2010-01-09 11:57:0512 提出了基于BP 神經(jīng)網(wǎng)絡(luò)的2DPCA 人臉識(shí)別算法。通過(guò)圖像預(yù)處理改善圖像質(zhì)量，降低圖像維數(shù)，然后用2DPCA 進(jìn)行特征提取，作為BP 神經(jīng)網(wǎng)絡(luò)的輸入，用改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)作為分類
2010-01-18 12:27:1418 為了提高胸癌識(shí)別的識(shí)別精度，提出了應(yīng)用反向傳播網(wǎng)絡(luò)（Back Propagation, BP）建立胸癌診斷。BP 網(wǎng)絡(luò)是一種典型的多層前饋型神經(jīng)網(wǎng)絡(luò)，采用有監(jiān)督學(xué)習(xí)模式，利用均方誤差和梯
2010-01-20 16:02:2421 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例(MATLAB編程):例1 采用動(dòng)量梯度下降算法訓(xùn)練 BP 網(wǎng)絡(luò)。 訓(xùn)練樣本定義如下： 輸入矢量為 p =[-1 -2 3 1
2010-02-08 13:20:08125 為了減少傳統(tǒng)數(shù)值分析法由于厚度諧振而引起的結(jié)果錯(cuò)誤問(wèn)題，實(shí)現(xiàn)異向介質(zhì)高分析精度與高效率的共存，建立基于反向傳播多層前饋型神經(jīng)網(wǎng)絡(luò)(BP 神經(jīng)網(wǎng)絡(luò))的異向介質(zhì)電磁特性與
2010-02-09 14:57:457 介紹了模糊綜合評(píng)判和人工神經(jīng)網(wǎng)絡(luò)原理，分析了一般BP神經(jīng)網(wǎng)絡(luò)在研究復(fù)雜性問(wèn)題時(shí)存在的局限性，根據(jù)模糊人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法，探討了該模型在礦井構(gòu)造定量評(píng)價(jià)
2010-02-22 10:45:398 在深入研究農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)工作原理的基礎(chǔ)上,針對(duì)現(xiàn)有系統(tǒng)預(yù)測(cè)精確性問(wèn)題的不足,提出了基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)氣象產(chǎn)量預(yù)報(bào)系統(tǒng)。在具體實(shí)現(xiàn)時(shí),為了加快網(wǎng)絡(luò)
2010-02-23 14:16:446 采用神經(jīng)網(wǎng)絡(luò)控制方法! 建立了基于BP算法的神經(jīng)網(wǎng)絡(luò)有源消聲實(shí)驗(yàn)系統(tǒng)" 實(shí)驗(yàn)證明基于BP算法的有源消聲實(shí)驗(yàn)系統(tǒng)具有良好的消聲效果和穩(wěn)定性"
2010-07-22 16:09:5311 基于小波神經(jīng)網(wǎng)絡(luò)的信息系綜合評(píng)價(jià)系統(tǒng)的訓(xùn)練算法
為了對(duì)基于小波神經(jīng)網(wǎng)絡(luò)的信息系統(tǒng)綜合評(píng)價(jià)系統(tǒng)進(jìn)行訓(xùn)練，必須確定網(wǎng)絡(luò)參數(shù)Wk ，bk
2009-02-27 09:36:12
665 
BP神經(jīng)網(wǎng)絡(luò)的電路最優(yōu)測(cè)試集的生成設(shè)計(jì)
1 引言
人工神經(jīng)網(wǎng)絡(luò)是基于模仿生物大腦的結(jié)構(gòu)和功能而構(gòu)成的一種信息處理系統(tǒng)。國(guó)際著名 的神經(jīng)網(wǎng)絡(luò)專家Hecht N
2010-02-02 10:35:141155 
針對(duì)BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)易陷入局部極
2011-03-07 14:59:5999 提出了一種基于改進(jìn)差分進(jìn)化算法和 BP神經(jīng)網(wǎng)絡(luò) 的計(jì)算機(jī)網(wǎng)絡(luò)流量預(yù)測(cè)方法。利用差分進(jìn)化算法的全局尋優(yōu)能力，快速地得到BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值；然后利用BP神經(jīng)網(wǎng)絡(luò)的非線性擬
2011-08-10 16:13:0731 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器的研究與實(shí)現(xiàn):
2012-04-01 15:20:5115 文中將BP神經(jīng)網(wǎng)絡(luò)的原理應(yīng)用于參數(shù)辨識(shí)過(guò)程，結(jié)合傳統(tǒng)的 PID控制算法，形成一種改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)PID控制算法。該算法利用BP神經(jīng)網(wǎng)絡(luò)建立系統(tǒng)參數(shù)模型，能夠跟蹤被控對(duì)象的變化，取
2012-07-16 15:53:0851 基于BP神經(jīng)網(wǎng)絡(luò)的SVPWM算法的研究與仿真
2016-04-15 18:29:1611 基于模擬退火算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法_周愛(ài)武
2017-01-03 17:41:320 基于PSO改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)手套手勢(shì)識(shí)別_李東潔
2017-01-07 15:26:083 基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的逆運(yùn)動(dòng)學(xué)求解研究_趙建強(qiáng)
2017-01-31 15:22:441 BP神經(jīng)網(wǎng)絡(luò)在水質(zhì)參數(shù)預(yù)測(cè)中的應(yīng)用_張昕
2017-03-19 11:26:541 PCA_BP神經(jīng)網(wǎng)絡(luò)在降水預(yù)測(cè)中的應(yīng)用研究_季剛
2017-03-19 11:27:340 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)用于入侵檢測(cè)_丁玲
2017-03-19 11:30:431 基于BP神經(jīng)網(wǎng)絡(luò)的唇裂圖像研究_朱霞
2017-03-19 11:33:110 ACO_BP神經(jīng)網(wǎng)絡(luò)在電梯交通流預(yù)測(cè)中的應(yīng)用_萬(wàn)健如
2017-03-19 18:58:184 BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法
2017-09-08 09:42:4810 針對(duì)BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)中存在的結(jié)構(gòu)不確定以及網(wǎng)絡(luò)過(guò)度擬合的問(wèn)題，利用遺傳算法的全局搜索能力和模糊聚類算法的數(shù)據(jù)篩選能力，分別對(duì)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與數(shù)據(jù)進(jìn)行雙重優(yōu)化，提出了基于遺傳算法和聚類算法的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)方法，仿真表明，改進(jìn)風(fēng)速后的預(yù)測(cè)方法大大提高了風(fēng)速預(yù)測(cè)的準(zhǔn)確性。
2017-11-10 11:23:415 為提高大樣本集情況下BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，提出了一種基于局部收斂權(quán)陣進(jìn)化的BP神經(jīng)網(wǎng)絡(luò)MapReduce訓(xùn)練方法，以各Map任務(wù)基于其輸入數(shù)據(jù)分片訓(xùn)練產(chǎn)生的局部收斂權(quán)陣作為初始種群，在Reduce
2017-11-23 15:07:4012 基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)，1986年，Rumelhart等提出了誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱BP網(wǎng)絡(luò)（Back Propagation），該網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)。
誤差反向傳播
2017-12-06 15:11:580 針對(duì)傳統(tǒng)稅收預(yù)測(cè)模型精度較低的問(wèn)題，提出一種將Adaboost算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行稅收預(yù)測(cè)的方法。該方法首先對(duì)歷年稅收數(shù)據(jù)進(jìn)行預(yù)處理并初始化測(cè)試數(shù)據(jù)分布權(quán)值；然后初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值
2018-02-27 16:51:440 BP 神經(jīng)網(wǎng)絡(luò)是一類基于誤差逆向傳播 (BackPropagation, 簡(jiǎn)稱 BP) 算法的多層前饋神經(jīng)網(wǎng)絡(luò)，BP算法是迄今最成功的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法?，F(xiàn)實(shí)任務(wù)中使用神經(jīng)網(wǎng)絡(luò)時(shí)，大多是在使用 BP
2018-06-19 15:17:1542817 
本視頻主要詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)分類，分別是BP神經(jīng)網(wǎng)絡(luò)、RBF（徑向基）神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)。
2019-04-02 15:29:2212598 本文檔的主要內(nèi)容詳細(xì)介紹的是BP神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單MATLAB實(shí)例免費(fèi)下載。
2019-08-21 08:00:005 PID 控制算法簡(jiǎn)單、應(yīng)用廣泛，既能消除余差，又能提高系統(tǒng)的穩(wěn)定性，但其P 環(huán)節(jié)、I 環(huán)節(jié)、D 環(huán)節(jié)的控制參數(shù)卻參數(shù)難以整定；BP 神經(jīng)網(wǎng)絡(luò)算法具有很強(qiáng)的數(shù)字運(yùn)算能力，因此，可通過(guò)BP 神經(jīng)網(wǎng)絡(luò)
2019-10-11 16:06:4838 BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)，其主要的特點(diǎn)是：信號(hào)是前向傳播的，而誤差是反向傳播的。具體來(lái)說(shuō)，對(duì)于如下的只含一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)模型：輸入向量應(yīng)為n個(gè)特征
2020-09-24 11:51:3512807 
為提高信用風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性，基于互聯(lián)網(wǎng)行業(yè)的用戶行為數(shù)據(jù)，提出一種基于長(zhǎng)短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)（CNN）融合的深度神經(jīng)網(wǎng)絡(luò)個(gè)人信用評(píng)分方法。對(duì)每個(gè)用戶的行為數(shù)據(jù)進(jìn)行編碼，形成
2021-03-19 15:19:2832 個(gè) 2×3×1 的神經(jīng)網(wǎng)絡(luò)即輸入層有兩個(gè)節(jié)點(diǎn)， 隱層含三個(gè)節(jié)點(diǎn)， 輸出層有一個(gè)節(jié)點(diǎn)，神經(jīng)網(wǎng)絡(luò)如圖示。
2021-03-25 10:03:0510 BP神經(jīng)網(wǎng)絡(luò)基本原理資料免費(fèi)下載。
2021-04-25 15:36:1616 BP神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用說(shuō)明。
2021-04-27 10:48:1114 人工智能-BP神經(jīng)網(wǎng)絡(luò)算法的簡(jiǎn)單實(shí)現(xiàn)說(shuō)明。
2021-05-25 11:30:1612 通過(guò)對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)缺點(diǎn)的分析，從參數(shù)選取、BP算法、激活函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)4個(gè)方面綜述了其改進(jìn)方法。介紹了各種方法的原理、應(yīng)用背景及其在BP神經(jīng)網(wǎng)絡(luò)中的應(yīng)用，同時(shí)分析了各種方法的優(yōu)缺點(diǎn)。指出不斷提高網(wǎng)絡(luò)的訓(xùn)練速度、收斂性和泛化能力仍是今后的研究方向，并展望了BP神經(jīng)網(wǎng)絡(luò)的研究重點(diǎn)。
2021-06-01 11:28:435 神經(jīng)網(wǎng)絡(luò)及BP與RBF的比較說(shuō)明。
2021-06-18 09:59:1122 基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的光伏發(fā)電預(yù)測(cè)模型
2021-06-27 16:16:2635 基于BP神經(jīng)網(wǎng)絡(luò)的胰島素評(píng)價(jià)模型
2021-07-02 11:20:2234 BP(BackPropagation)反向傳播神經(jīng)網(wǎng)絡(luò)介紹及公式推導(dǎo)(電源和地電氣安全間距)-該文檔為BP(BackPropagation)反向傳播神經(jīng)網(wǎng)絡(luò)介紹及公式推導(dǎo)詳述資料，講解的還不錯(cuò)，感興趣的可以下載看看…………………………
2021-07-26 10:31:3248 技術(shù)手段，有效規(guī)避人員操作或舞弊風(fēng)險(xiǎn)，切實(shí)保障企業(yè)資產(chǎn)及資金安全，企業(yè)信用風(fēng)險(xiǎn)管理信息系統(tǒng)應(yīng)運(yùn)而生。 如何有效解決企業(yè)信用風(fēng)險(xiǎn)管理中遇到的問(wèn)題？行業(yè)專家分析表示，企業(yè)風(fēng)險(xiǎn)管理的核心目標(biāo)是全過(guò)程的風(fēng)險(xiǎn)防控，從
2021-11-18 11:12:111272 
分割、字符歸一化、字符骨架提取。經(jīng)過(guò)預(yù)處理以便適合以后的處理。預(yù)處理后對(duì)圖片上的字符進(jìn)行特征提取，特征提取的方法很多，這里使用評(píng)價(jià)較好的十三特征提取法來(lái)進(jìn)行特征提取。最后采用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)字符進(jìn)行識(shí)別。 圖像預(yù)
2023-07-18 17:20:171 人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural
2023-08-22 16:45:182941 訓(xùn)練經(jīng)過(guò)約50次左右迭代，在訓(xùn)練集上已經(jīng)能達(dá)到99%的正確率，在測(cè)試集上的正確率為90.03%，單純的BP神經(jīng)網(wǎng)絡(luò)能夠提升的空間不大了，但kaggle上已經(jīng)有人有卷積神經(jīng)網(wǎng)絡(luò)在測(cè)試集達(dá)到了99.3%的準(zhǔn)確率。
2024-03-20 09:58:4438 
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論