搜索资源列表
三维自组织特征映射神经网络程序
- 绘制三维数据的散点图，并进行SOFM聚类的matlab程序。
MATLAB_BP_algorithm
- 用matlab实现的bp神经网络算法,在图象处理等诸多领域有很大的应用-achieved using Matlab bp neural network algorithm, image processing and many other areas of great application
bpyuce
- 神经网络预测的源程序，有详细的说明（有图）-Neural network prediction of the source
shenjingwangluo
- 图形化界面的神经网络仿真工具 图形化界面的神经网络仿真工具-Graphical interface of the neural network simulation tool Graphical interface of the neural network simulation tool
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
code
- 可以用于交通流预测 对比图 程序进行了改动(Can be used for traffic flow forecast comparison chart)
texporary
- 数值方法上机实验内容 自适应算法用图象实现效果()
04551499
- visual C++编写的图象平滑例子,主要包括几种最常用的算法()
04400762
- Kruskal算法代码 图论里比较重要的算法()
eoclusion
- 九宫图,看你能用多少步走完,很有意思的算法()
invel-repyesent-bit
- 历史上最好的C语言程序： 1983年,在ACM图林奖颁奖大会上,杰出的计算机科学家,UNIX的鼻祖,C语言的创始人之一,()
6643527
- 告信息及预测,买卖参考等内容,都会在相应的分时走势图上出现地雷标志 即时分析分时()
47508802
- 这是离散数学中集合与图论部分的算法实现 压缩包中有六个算法,均是,cpp文件,编译运行后,完全正确,已通过验证！()
RCJBR
- 完全图哈密尔顿圈的遗传模拟退火算法matlab通用源程序拟退火算法解0－1背包问题MATLAB源代码()
testandtrain
- 利用三层卷积神经网络识别信号星座图，准确识别8psk，16psk，32psk，64qpsk四种调制方式，在低信噪比的情况下已然有良好的识别率。(The three layer convolution neural network is used to identify signal constellation, and accurately identify four modulation modes of 8PSK, 16PSK, 32psk and 64qpsk. It has a good
9280420
- 告信息及预测,买卖参考等内容,都会在相应的分时走势图上出现地雷标志 即时分析分时()
pemwocmanceimplementationrvalue
- 本人参加ACM竞赛使用的一些算法模板,包括二分图匹配,欧拉回路的构造以及网络流中的最大流与最小费用最大流等,可以说实战性非()
mtspecgramc
- 脑电信号、多通道等神经电信号做时频图（彩虹图）(time-frequency graph)
matlab 双输入单输出bp神经网络
- 用BP神经网络来实现两类模式的分类，两类模式如图所示。两类模式确定的训练样本为： P=[1 2;-1 1;-2 1;-4 0];T=[0.2 0.8 0.8 0.2]