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
參考文獻(xiàn)用labview編寫的一個(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
03_深度學(xué)習(xí)入門_神經(jīng)網(wǎng)絡(luò)和反向傳播算法
2019-09-12 07:08:05
神經(jīng)元 第3章 EBP網(wǎng)絡(luò)(反向傳播算法) 3.1 含隱層的前饋網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 3.2 Sigmoid激發(fā)函數(shù)下的BP算法 3.3 BP網(wǎng)絡(luò)的訓(xùn)練與測(cè)試 3.4 BP算法的改進(jìn) 3.5 多層
2012-03-20 11:32:43
問題，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
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
誤差反向傳播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個(gè)過程組成，是一種應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)。先來看一下BP神經(jīng)網(wǎng)絡(luò)的流程圖：由BP神經(jīng)網(wǎng)絡(luò)流程圖可以看出，正向傳播處理過程和人工神經(jīng)網(wǎng)絡(luò)的流程
2018-06-05 10:11:50
MATLAB神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)說明：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，只列出了函數(shù)名，若需要進(jìn)一步的說明，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
請(qǐng)問：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
正在做畢設(shè)，老師又給打回來了，課題是基于labview的bp神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)，求助大神給點(diǎn)指導(dǎo)，謝啦
2012-05-14 15:44:50
傳播的，不會(huì)回流），區(qū)別于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN。BP算法（Back Propagation）：誤差反向傳播算法，用于更新網(wǎng)絡(luò)中的權(quán)重。BP神經(jīng)網(wǎng)絡(luò)思想：表面上：1. 數(shù)據(jù)信息的前向傳播，從輸入層到隱含層
2019-07-21 04:00:00
人工神經(jīng)網(wǎng)絡(luò)在傳感器數(shù)據(jù)融合中的應(yīng)用針對(duì)壓力傳感器對(duì)溫度的交叉靈敏度,采用BP 人工神經(jīng)網(wǎng)絡(luò)法對(duì)其進(jìn)行數(shù)據(jù)融合處理,消除溫度對(duì)壓力傳感器的影響,大大提高了傳感器的穩(wěn)定性及其精度,效果良好。關(guān)鍵詞
2009-08-11 20:23:46
簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
請(qǐng)問用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
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
為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個(gè)過程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
2021-12-23 08:07:33
最近一個(gè)月的時(shí)間沒有更博，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，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(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加速度傳感器來采集五個(gè)手指和手背的加速度三軸信息，并通過ZigBee無線網(wǎng)絡(luò)傳輸來提取手勢(shì)特征量，同時(shí)利用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行誤差分析來實(shí)現(xiàn)手勢(shì)識(shí)別的設(shè)計(jì)方法
2018-11-13 16:04:45
`點(diǎn)擊學(xué)習(xí)>>《龍哥手把手教你學(xué)LabVIEW視覺設(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
基于遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的電子舌在黃酒檢測(cè)中的應(yīng)用采用遺傳學(xué)習(xí)算法和誤差反向傳播（BP）算法相結(jié)合的混合算法來訓(xùn)練前饋人工神經(jīng)網(wǎng)絡(luò)，從而提高神經(jīng)網(wǎng)絡(luò)的收斂質(zhì)量和收斂速度，并將此算法運(yùn)用到電子舌對(duì)黃酒
2009-09-19 09:32:15
，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
小弟想問下 那個(gè)神經(jīng)網(wǎng)絡(luò)參數(shù)和改進(jìn)遺傳算法的圖標(biāo)是從程序面板中哪里畫出來的？具體路徑哪里謝謝了
2013-03-16 14:55:09
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
誰有利用LABVIEW 實(shí)現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序?。ㄎ?b class="flag-6" style="color: red">用的版本是8.6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)過程，最好有程序哈，謝謝?。?/div>
2012-12-10 14:55:50
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,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)練過程.由于基本PSO算法存在
2010-05-06 09:05:35
關(guān)于遺傳算法和神經(jīng)網(wǎng)絡(luò)的
2013-05-19 10:22:16
摘要提出了一種綜合改進(jìn)的BP 神經(jīng)網(wǎng)絡(luò)算法，該算法在訓(xùn)練時(shí)對(duì)不同的連接權(quán)和閾值采用不同的學(xué)習(xí)速率，由此建立了乙二醇精制塔塔釜乙二醇濃度的神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型。結(jié)果表
2009-01-17 13:17:55
9 本文采用BP 多層前饋神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法對(duì)傳感器特性進(jìn)行補(bǔ)償. 提出附加動(dòng)量法、自適應(yīng)參數(shù)變化法為主要內(nèi)容的BP 神經(jīng)網(wǎng)絡(luò)改進(jìn)算法,有效地改善了BP 網(wǎng)絡(luò)傳統(tǒng)算法收斂慢、容
2009-07-02 08:35:1714 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 本文致力于基于神經(jīng)網(wǎng)絡(luò)的通信信號(hào)調(diào)制類型識(shí)別器設(shè)計(jì)研究。論文提出了一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)分類器，它采用7個(gè)特征參數(shù)，可以對(duì)CW、2FSK、4FSK、8FSK、2PSK、4PSK、8PSK、8QAM、16QA
2009-08-29 10:22:1010 應(yīng)用神經(jīng)網(wǎng)絡(luò)理論，建立了預(yù)測(cè)狀態(tài)監(jiān)測(cè)數(shù)據(jù)趨勢(shì)的BP 神經(jīng)網(wǎng)絡(luò)模型，并通MATLAB 實(shí)現(xiàn)了仿真編程。實(shí)驗(yàn)中，選取多組數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練和測(cè)試，證實(shí)了算法和模型的有效性。
2009-09-11 15:53:1026 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 研究了基于神經(jīng)網(wǎng)絡(luò)的多傳感器融合技術(shù)，并將其應(yīng)用于自主吸塵機(jī)器人中。給出了神經(jīng)網(wǎng)絡(luò)傳感器融合技術(shù)的基本原理，探索了改進(jìn)的BP 信息融合算法，使得改進(jìn)后的算法在收斂
2009-12-31 12:00:1411 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 為了準(zhǔn)確檢測(cè)到EPS(電動(dòng)助力轉(zhuǎn)向系統(tǒng))扭矩傳感器的具體故障部位，及時(shí)發(fā)現(xiàn)可能出現(xiàn)的故障，提高扭矩傳感器的可靠性，針對(duì)BP 神經(jīng)網(wǎng)絡(luò)的不足，提出了一種基于改進(jìn)型BP 神經(jīng)
2010-01-11 12:20:5916 提出了基于BP 神經(jīng)網(wǎng)絡(luò)的2DPCA 人臉識(shí)別算法。通過圖像預(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 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 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 BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計(jì)
0 引 言??? 神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱，是當(dāng)前的研究熱點(diǎn)之一。人
2009-11-13 09:50:05
1408 BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法乘累加單元的FPGA設(shè)計(jì)
概 述神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺
2010-03-29 10:05:12727 
摘要:研究一種前向型神經(jīng)網(wǎng)絡(luò)的改進(jìn)學(xué)習(xí)算法并基于TI的TMS320C5402定點(diǎn)數(shù)字信號(hào)處理器開發(fā)系統(tǒng)實(shí)現(xiàn)該算法的訓(xùn)練學(xué)習(xí)。測(cè)試結(jié)果表明:網(wǎng)絡(luò)學(xué)習(xí)速率提高,網(wǎng)絡(luò)的輸出動(dòng)態(tài)響應(yīng)具有超調(diào)
2011-02-25 00:27:2749 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 傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)集成中各個(gè)自網(wǎng)絡(luò)間的相關(guān)性較大，從而影響集成的泛化能力，本內(nèi)容提出了基于負(fù)相關(guān)神經(jīng)網(wǎng)絡(luò)集成算法及其應(yīng)用
2011-05-26 15:45:4918 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 本文針對(duì)神經(jīng)網(wǎng)絡(luò)收斂速度慢的缺點(diǎn)，改進(jìn)了BP算法，提高了網(wǎng)絡(luò)學(xué)習(xí)效率。接著用改進(jìn)后的遺傳算法結(jié)合改進(jìn)后的BP算法來改善神經(jīng)網(wǎng)絡(luò)的局部收斂。在對(duì)負(fù)荷變化規(guī)律分析的基礎(chǔ)上提
2011-09-07 16:22:1636 在變流器故障診斷系統(tǒng)中，通過MATLAB對(duì)牽引變流器建立故障仿真模型，提取故障特征，對(duì)輸入輸出數(shù)據(jù)進(jìn)行標(biāo)幺化和模糊化的處理，并基于改進(jìn)的動(dòng)量BP神經(jīng)網(wǎng)絡(luò)算法，完成對(duì)變流器開
2012-04-12 15:58:3335 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 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 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 變壓器局放監(jiān)測(cè)與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型研究_高立慧
2017-03-19 11:41:510 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)過度擬合的問題，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 神經(jīng)網(wǎng)絡(luò)計(jì)算模型的優(yōu)化，運(yùn)用到汽車加油量計(jì)算中，通過比較標(biāo)準(zhǔn)BP網(wǎng)絡(luò)、Srinivas提出的自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)3種模型的計(jì)算誤差，驗(yàn)證得出改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的算法優(yōu)于另外兩種
2017-11-16 10:39:5513 數(shù)，然后訓(xùn)練改進(jìn)的人工蜂群算法RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并將其應(yīng)用到某城市4天的短時(shí)交通流量數(shù)據(jù)的驗(yàn)證。將實(shí)驗(yàn)結(jié)果與傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行了比較。對(duì)比結(jié)果表明，該方法對(duì)短時(shí)交通流
2017-12-01 16:31:582 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 為了提高網(wǎng)絡(luò)流量的預(yù)測(cè)精度，提出了一種改進(jìn)的多種群量子遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)模型。在確定了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)后，采用多種群量子遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行優(yōu)化。該模型利用
2017-12-06 17:18:296 針對(duì)傳統(tǒng)稅收預(yù)測(cè)模型精度較低的問題，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 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BP 神經(jīng)網(wǎng)絡(luò)
2019-10-11 16:06:4838 本文檔的主要內(nèi)容詳細(xì)介紹的是MATLAB和BP人工神經(jīng)網(wǎng)絡(luò)算法源代碼與演示程序詳細(xì)資料免費(fèi)下載 解壓后，運(yùn)行CMMATools.exe即可 用于演示BP人工神經(jīng)網(wǎng)絡(luò)算法。
2020-03-23 08:00:005 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。具體來說，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 11:51:3512806 
在 深度神經(jīng)網(wǎng)絡(luò)（DNN）模型與前向傳播算法 中，我們對(duì)DNN的模型和前向傳播算法做了總結(jié)，這里我們更進(jìn)一步，對(duì)DNN的反向傳播算法（Back Propagation，BP）做一個(gè)總結(jié)。 1. DNN反向傳播算法要解決的問題
2021-03-22 16:28:223110 
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)說明。
2021-05-25 11:30:1612 基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)及其仿真研究說明。
2021-05-31 17:01:0616 通過對(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 倒對(duì)于老年人來說是一個(gè)十分嚴(yán)重的問題，實(shí)時(shí)檢測(cè)老年人是否摔倒對(duì)于減輕摔倒造成的傷害具有重要意義。為此，文中提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的摔倒檢測(cè)算法。該算法采用佩戴于腰部的六軸傳感器（MPU6050
2021-06-16 16:09:015 神經(jīng)網(wǎng)絡(luò)及BP與RBF的比較說明。
2021-06-18 09:59:1122 基于改進(jìn)郊狼優(yōu)化算法的淺層神經(jīng)網(wǎng)絡(luò)進(jìn)化
2021-06-24 15:40:2315 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