本资源是知识蒸馏的相关代码：老师模型+学生模型，以及学生模型需要用到的KDLoss

训练了一层卷积层的神经网络模型来预测CFIR10数据中的图像

人工神经网络模型matlab源码.zip

加注释的神经网络模型，项目注释+论文复现：yolo ssd faster-rcnn cam unet yolov3 s4nd yolov4 dynamicrelu broadface targetdrop hs-resnet discface npcface

基于局部特征的卷积神经网络模型

完整的PDF版 　第1章 绪论 　　1.1 从生物神经网络到人工神经网络 　　1.2 人工神经网络的发展史 　　1.3 人工神经网络的应用 　　1.4 生物神经元 　　1.5 人工神经元模型 　　1.6 神经网络的结构 　　1.7 神经网络的特点 　　1.8 神经网络的学习方式 　　第2章 MATLAB神经网络工具箱中的神经网络模型 　　2.1 MATLAB工具箱的神经元模型 　　2.2 MATLAB工具箱中的神经网络结构 　　2.3 MATLAB神经网络工具箱中的网络对象及其属性 　　2.3.1 网络对象属性 　　2.3.2 子对象属性 　　第3章 感知器 　　3.1 感知器神经元及感知器神经网络模型 　　3.2 感知器的学习 　　3.3 感知器的局限性 　　3.4 单层感知器神经网络的MATLAB仿真程序设计 　　3.5 多层感知器神经网络及其MATLAB仿真 　　3.6 感知器应用于线性分类问题的进一步讨论 　　第4章 线性神经网络 　　4.1 线性神经网络模型 　　4.2 线性神经网络的学习 　　4.3 线性神经网络的MATLAB仿真程序设计 　　4.3.1 线性神经网络设计的基本方法 　　4.3.2 线性神经网络的设计例程 　　第5章 BP网络 　　5.1 BP神经元及BP网络模型 　　5.2 BP网络的学习 　　5.2.1 BP网络学习算法 　　5.2.2 BP网络学习算法的比较 　　5.3 BP网络泛化能力的提高 　　5.4 BP网络的局限性 　　5.5 BP网络的MATLAB仿真程序设计 　　5.5.1 BP网络设计的基本方法 　　5.5.2 BP网络应用实例 　　第6章 径向基网络 　　6.1 径向基网络模型 　　6.2 径向基网络的创建与学习过程 　　6.3 其他径向基神经网络 　　6.4 径向基网络的MATLAB仿真程序设计 　　第7章 竞争型神经网络 　　7.1 竞争型神经网络模型 　　7.2 竞争型神经网络的学习 　　7.3 竞争型神经网络存在的问题 　　7.4 竞争型神经网络的MATLAB仿真程序设计 　　第8章 自组织神经网络 　　8.1 自组织特征映射神经网络模型 　　8.2 自组织特征映射神经网络的学习 　　8.3 学习向量量化神经网络模型 　　8.4 学习向量量化神经网络的学习 　　8.5 LVQ1学习算法的改进 　　8.6 LVQ神经网络的MATLAB仿真程序设计 　　第9章 反馈型神经网络 　　9.1 Elman神经网络 　　9.2 Hopfield神经网络 　　9.3 反馈神经网络的MATLAB仿真程序设计 　　第10章 图形用户界面 　　10.1 图形用户界面简介 　　10.2 图形用户界面应用示例 　　10.3 图形用户界面的其他操作 　　第11章 Simulink 　　11.1 Simulink神经网络仿真模型库简介 　　11.2 Simulink应用示例 　　第12章 自定义网络 　　12.1 自定义神经网络 　　12.1.1 自定义神经网络的创建 　　12.1.2 自定义神经网络的初始化、训练与仿真 　　12.2 自定义函数 　　附录A 神经网络工具箱函数 　　参考文献

神经网络模型能够从音频演讲中检测出五种不同的男/女情绪 (Deep Learning, NLP, Python)

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf 四、灰色人工神经网络人口总量预测模型及应用 摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990 年至2004 年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005 年至2007 年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。 关键词：人口总量；灰色系统；BP 人工神经网络；灰色人工神经网络模型 引言： 本文从影响人口增长的诸多因素中筛选出6 个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（Grey Artificial Neural Network，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6 个指标进行非线性组合得到人口总量的预测结果。该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。 中间内容省略~ 结语： 由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；同时，通过实验证明该方法不但比传统的FCM 算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR 图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。 灰色人工神经网络人口总量预测模型及应用.pdf 五、人工神经网络模型在研究生招生数量预测中的应用 摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。 关键词:黑龙江省;研究生招生;预测;人工神经网络模型 引言： 关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。 本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。 中间内容省略~ 结语： 采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。 人工神经网络模型在研究生招生数量预测中的应用.pdf 六、基于RBF人工神经网络模型预测棉花耗水量 摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。 关键词：预测；人工神经网络；径向基函数；棉花耗水量 引言： 计算机人工神经网络是20世纪8

25种人工神经网络模型matlab源码

本文将基于遗传算法(Genetic Algorithms，GA)优化 的改进广义回归神经网络( Improved General RegressionNeuralNetwork based on GA, GRNNGA)做为NSSF（Network SecuritySituation Forecas）网络 安全态势预测。