Windows系统下配置深度学习Darknet框架使用YOLO神经网络算法实现目标检测(Windows10+VS2015+OpenCV3.4.0+CUDA9.0+cuDNN7.0)-附件资源

2022年精选数学建模算法教程文档合集第11期：神经网络（60份）包含如下文档： 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.docx 08遗传算法优化BP神经网络权值和阈值的通用MATLAB源码.pdf 19第十九章 神经网络模型.docx BP_神经网络的设计实例(MATLAB编程).doc BP神经网络matlab实例.doc BP神经网络matlab源程序代码.doc BP神经网络工具箱.doc BP神经网络的Matlab语法介绍.doc BP神经网络的应用.doc BP神经网络算法.doc matlab15.pdf matlab16.pdf matlab1神经网络.pdf Matlab神经网络(九)--粒子群算法（PSO）实现函数极值优化.zip matlab神经网络.pdf Matlab神经网络.txt MATLAB神经网络30个案例分析.pdf matlab神经网络学习总结.doc Matlab神经网络工具箱应用简介.pdf 人工神经网络与神经网络优化算法.ppt 人工神经网络及其应用.pdf 人工神经网络技术及应用.pdf 等等

我们使用 TensorNetwork [1, 2]，这是一种最近开发的 API，用于使用 TensorFlow [3] 等加速后端执行张量网络收缩，以实现多尺度纠缠重归一化 Ansatz (MERA) 的优化算法。 我们使用 MERA 在临界状态下逼近无限一维横向场 Ising 模型的基态波函数，并从优化的 ansatz 中提取保形数据。 比较 CPU 与 GPU 上优化的运行时间，我们报告了在 GPU 上运行时优化算法的速度非常显着，高达 200 倍。我们使用了 TensorNetwork，这是一个带有 TensorFlow 后端的张量收缩 API，来实现 Ref 的尺度不变 MERA 优化算法。 [33, 34]。 作为基准，我们使用该算法在热力学极限下逼近临界横向场 Ising 模型的基态，使用键维数高达 χ = 16 的 MERA。从优化的 MERA 中，我们计算了最低的 12 个 Ising 模型的缩放维度与理论预测值非常吻合。 在 GPU 上运行时，我们观察到与 1 个 CPU 核心相比，速度提高了 200 倍，与 32 个 CPU 相比，速度提高了 6 倍。

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。

我们研究了两个 D-Wave QPU 在处理器读取次数有限的小型网络路由问题上的性能。 通过将其与标准工作站上使用良好的 Gurobi 和 Cplex 经典求解器进行比较，我们发现 2000Q 和 Advantage 在绝对运行时间方面都产生了卓越的性能。 对于将类似的 QPU 应用于此类问题，这是一个令人鼓舞的概念验证结果。 我们发现确定 QPU 性能最相关的量是我们应用它的 QUBO 的整体大小，尽管我们确实发现底层网络图的大小和源的数量也有显着影响。 虽然这里的大多数问题都涉及小型 QUBO，但偶尔也会产生较大的 QUBO。 即使在几次读取中，QPU 也能够解决大多数小于 20 大小的 QUBO，并且无法超过这个大小。 虽然这个范围仍然可以通过详尽的搜索方法获得，但这项研究仍然提供了有用的概念验证，因为这些问题通常可以很快得到解决。 这份 Processing Time e Processing Time e Processing Time 工作提出了一条通往实际量子优势的途径，其中可以通过经典方式解决的问题仍然通过更快地解决而产生优势。

利用神经网络算法对图像进行处理的matlab源代码

用BP神经网络算法对人脸方向进行预测，MATLAB版本注释较全，可直接运行

为了提高植物叶片图像的识别率, 采用改进神经网络算法, 通过径向基函数神经网络建立模型; 采用多环量子算法确定各环量子个体选择概率, 量子旋转门在一定范围内动态调整, 不同环上节点信息共享概率非线性动态变化; 对植物叶片图像进行识别, 包括形状特征、纹理特征; 通过多环量子算法实现径向基函数神经网络参数寻优。实验结果表明, 本文算法对植物叶片图像的几何特征、纹理特征、综合特征的平均识别率分别为91%, 89%, 93%, 与其他算法相比较高, 训练、识别时间分别为3.5 s、2.5 s。

多层神经网络算法代码，适合初学者自己钻研，能运行，希望对大家有用！

介绍了标准BP算法及其优缺点，并针对其存在的缺陷，从各个不同的方面对BP算法提出了改进，并对各种改进方法的原理及优缺点作了详尽的分析，从而使BP神经网络更广泛地应用于各个领域．