搜索资源列表
课程设计指导书
- 课程设计是单片机课程教学的最后一个环节，是对学生进行全面的系统的训练。进行课程设计可以让学生把学过的比较零碎的知识系统化，真正的能够把学过的知识落到实处，能够开发简单的系统，也进一步激发了学生再深一步学习的热情，因此课程设计是必不少的，是非常必要的。 但是，在多年的教学实践中，我们感到一方面学生掌握的理论知识和实践知识有限；另一方面课程设计的时间有限，一般不多于两周。要想学生在规定时间内，运用自己有限的知识去独立完成一个单片机应用系统的全部设计、制作和调试是不现实的。在两周的时间内，学
基于局部泛化误差界的RBF网络训练方法研究
- 基于局部泛化误差界的RBF网络训练方法研究
基于RBD的民航客运预测及MATLAB的实现
- ：基于统计学原理的传统的民航客运量预测方法难以预测动态数据的内在结构和复杂特 性。为了提高民航客运量预测的准确性，利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性，选用RBF 神经网络为模型并利用MATLAB 编程实现了对民航客运量的准确预测。本文介绍了RBF 神经网络MATLAB 的相关知识，并以民航客运量的1978 年至2007 年的实际数据为例进行RBF 神经网络的训练与测试，实验结果表明，将RBF神经网络与MATLAB 结合运用在民航客运量预测中具有可行性，预测精度更高
基于RBF神经网络的CPI预测
- 采用RBF神经网络的结构、特性和训练算法，根据CPI(消费者物价指数)与其影响因素之间存在的映射关系，应用神经 网络建立了多因素非线性时间序列预测模型。最后通过仿真实验和研究，把RBF神经网络与传统的BP网络预测结果进行比较，结果证明，该模型的预测精确度更高，结果令人满意。
支持向量机非线性回归通用MATLAB源码
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
粗糙集
- 采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词: 粗糙集;Elman 神经网络
ICCV_2017 端到端去雾
- 目前最新publish的去雾算法工作，彻底将去雾问题转化为一个端到端（End-to-End）解决的问题。首先，为了实现端到端训练且避免利用额外的方法估计全局大气光照 A，文章做了一些简单的数学变换，把 t(x) 和 A 统一到了一个变量 K(x) 当中。这样只需要用网络估计出 K(x) 就可以直接得到 J(x) 了。
基于深度学习的机器人抓取仿真训练技术研究
- 机器人智能抓取是实现机器人智能化的重要一环。由于待抓取物品形状、尺度的多样性以及环境因素的影响，抓取任务很难用准确的数学公式求解。以往的研究多是借助计算机视觉、机器学习等相关技术，虽有一定的效果，但智能化程度还是较低。2012 年后深度学习技术逐渐崛起，因为其良好的特征提取表现被应用在了各个领域，如医学图像、自动驾驶、数据分析等，近年来国外学者开始将这项技术应用到机器人抓取，并取得了一定的成果。