搜索资源列表
bp2
- 基于梯度下降的BP算法,可以调整学习率可动量因子.-based on the gradient descent algorithm BP, the learning rate can be adjusted momentum factor.
bp2&3
- 两个程序：2层BP网络以及3层BP网络实现的函数逼近。
bp2
- 提供的是BP网络C程序，用来做分类处理
bp2
- 前向反馈BP神经网络算法matlab源程序，有详细的注释，是学习编写程序的基本例程。
BP2
- 通过BP网络实现对非线性函数（正弦函数）的逼近。函数比较短，很简练。
bp2
- matalb仿真网络神经算法程序 仅供参考
nns bp2
- 此程序用于测试神经元的库函数 // 它展示了怎样用这个库所生成的多层BP网络来求解宇称问题-this procedure for testing neuronal function of the library / / it tells how to use this library generated by the multi-storey BP network to solve problems Parity
bp2
- 输入历史实测数据（34天）的汽轮机振动的日平均峰峰值取其中三十天作为历史数据样本
bp2
- 用调用函数法实现bp网络，已载入训练和测试样本供大家分享和学习，有较理想的差准率和查全率。-Call function method used to achieve bp network, has been printed in the training and test samples for all to share and learn from, there are better rates and quasi-differential recall.
bp2
- bp神经网络源码, NEWFF---生成一个新的前向神经网络 TRAIN-----对BP神经网络进行训练 SIM----对BP神经网络进行仿真 -bp neural network source code
bp2
- 用JAVA实现了BP算法，精确度较高，可以运行。-JAVA achieved with BP algorithm, higher accuracy, you can run.
bp2
- bp神经元网络,匹配数据,测试可以运行,大家可以下载交流!-BP shenjinyuanwangluo,pipeishuju ceshikeyunxing
bp2
- 利用粒子群PSO算法，设计一个使得前向神经网络的训练得到最优问题。-The use of particle swarm PSO algorithm, designed to allow a feed-forward neural network training problems to be optimal.
BP2
- BP网络算法，C++源代码，可直接运行，VC平台下。-B-p neural network，C++，VC platform，algorithm
BP2
- visual c++实现BP神经网络，可以绘出误差曲线，逼近曲线-visual c++ to achieve BP neural network, can draw the error curve, approximation curve
bp2
- bp网络源码，大概介绍了用bp网络实现某一具体问题的算法框架-bp Network Source
BP2
- 换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课 题,其评价过程可视为一个非线性动态系统。BP 神经网络的非线性系统辨识 ,能够逼近任意 一个非线性函数。通过确定换档品质评定指标 ,利用BP网络训练获得的数据样本 ,从而建立 主观、 客观评价标准之间的联系 利用 Mat lab/ Simulink 完成换档品质评价方法的客观描述并 进行仿真。通过与实验结果对比 ,证明这种方法能够有效真实地评价换档品质并与传统主观 评价方法具有很好的一致性。-Shift
bp2
- 基于bp神经网络的pid控制。多层前馈网络具有很强的逼近函数。-Based on the bp neural network pid control
BP2
- 置信传播算法用于无环图时的误码率的检验。-this program is a detection of the BP algorithm error bit when it is used in cycle graphs.
bp2
- bp神经网络matlab程序代码，能够正确实现数据分类识别-bp neural network matlab code correctly to achieve data classification and recognition