Kohonen神经网络算法工作机理为：网络学习过程中，当样本输入网络时，竞争层上的神经元计算输入样本与竞争层神经元权值之间的欧几里德距离，距离最小的神经元为获胜神经元。调整获胜神经元和相邻神经元权值，使获得神经元及周边权值靠近该输入样本。通过反复训练，最终各神经元的连接权值具有一定的分布，该分布把数据之间的相似性组织到代表各类的神经元上，使同类神经元具有相近的权系数，不同类的神经元权系数差别明显。需要注意的是，在学习的过程中，权值修改学习速率和神经元领域均在不断较少，从而使同类神经元逐渐集中。
2019-12-21 21:16:14
85KB
1
概率神经网络（Probabilistic Neural Network）的网络结构类似于RBF神经网络，但不同的是，PNN是一个前向传播的网络，不需要反向传播优化参数。这是因为PNN结合了贝叶斯决策，来判断测试样本的类别。
2019-12-21 20:54:29
192KB
1
在计算机上训练，将训练后的参数给单片机，单片机来仿真，之前已经在stm32f4上成功仿真过
2019-12-21 20:51:05
2.6MB
1
基于Python3.7实现的BP神经网络算法，里面包括源程序、训练数据、测试数据、算法运行步骤和结果。
2019-12-21 20:34:32
386KB
1