公路信息化管理！采用人工神经网络算法！，利用matlab的基本算法进行！

自适应学习速率 对于一个特定的问题，要选择适当的学习速率并 不是一件容易的事情。对训练开始初期功效很好地学 习速率，不见得对后来的训练合适。为了解决值一问 题，人们自然会想到在训练过程中自动调整学习速率。 下面给出一个自适应学习速率的调整公式： （2.4.7） 初始学习速率(0)的选取范围可以有很大的随意性。

人工神经网络 研究 现状及其展望

Artificial Neural Networks人工神经网络.ppt

人工神经网络理论与应用.ppt

作者连续11年为电气信息类专业研究生及本科高年级学生开设“人工神经网络理论与应用”课程，2002年在多次修改讲义和多项科研成果基础上形成本书的第一版。本书第二版对原书约1/3的内容进行了更新，对保留内容进行了修改。取材注意内容的典型性和先进性，编排注意内容的逻辑性，阐述注重物理概念的清晰性，举例与思考练习的安排注意了内容的实践性，常用神经网络及算法的介绍着重于实用性。

立足于绿洲农田生态系统,采用人工神经网络方法对潜热通量数据进行模拟和插补。根据作物生长季分阶段模拟,对比整体模拟结果,发现分阶段模拟效果(R2=0.91～0.95,RMSE=28.9～41.3W/m2,MAE=21.3～28.8W/m2)优于整体模拟效果(R2=0.87～0.92,RMSE=39.6～50.7W/m2,MAE=27.6～34.9W/m2)。通过模型网络连接权值对各阶段环境因子的相对贡献率作了定量分析,并从数学统计的角度对研究区蒸散发环境因子影响机理进行了分析。结果表明为了提高潜热通量的插补

1.MNIST数据集简介 MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9。 mnist_uint8.mat包含了MNIST数据集的全部数据，其中： train_x: 60000*784矩阵，60000个训练样本，每个训练样本像素值展开成了行向量。 train_y: 60000*10矩阵，60000个训练样本标签，每个样本标签中对应分类元素值为1，其余为0； test_x: 10000*784矩阵，10000个测试样本，每个训练样本像素值展开成了行向量。 test_y: 10000*10矩阵，10000个测试样本标签，每个样本标签中对应分类元素值为1，其余为0； 2. 人工神经网络简介 2.1 网络结构 一个基本的人工神经网络结构主要由以下三部分构成：输入层(x)、一个或多个隐藏层(h)、输出层(y)。 输

一个简单的人工神经网络程序.假设输入值为{大,圆,光滑}为水果的三个特征值,来代表三种不同的水果,用bp算法和遗传算法分别实现未知的水果类别.

由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测。对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择。仿真结果表明其有较好的预测精度。该模型具有网络结构较小、训练时间短、易于实现的优点。