人工神经网络（四章）.zip

一个深度回声状态网络工具，该工具包中为Makey-Glass（tau=30）时间序列预测问题，简单修改可用于时间序列预测问题研究。具体可参考：延迟深度回声状态网络在时间序列预测中的应用，自动化学报

人工神经网络研究简介.docx

搭建一个平台，可以用鼠标手写数字，运用一种分类器对此手写数字进行识别，并对分类器性能进行评估。三次作业，分别用最小错误率贝叶斯分类器，Fisher线性分类器，人工神经网络进行识别。都采用matlab编程，前两种可在平台上手写数字并识别，人工神经网络版本的没有手写平台，能够通过程序读取图片并返回识别出的数字。包含实验报告和用来训练的数字图片。注意使用时必须修改程序中读取的文件位置。

本文致力于一种涉及非线性自回归算法的时间序列预测方案及其应用。 该方案是通过包含隐藏层的人工神经网络来实现的。 作为训练算法，我们使用比例共轭梯度（SCG）方法和贝叶斯正则化（BReg）方法。 第一种方法适用于无噪声的时间序列，而第二种方法也适用于嘈杂的数据集。 我们将建议的方案用于预测使用50和100过去值的石油和天然气定价中产生的时间序列。 提出并讨论了数值模拟的结果。

数据共有2000个样本，每个样本工25个因子，第一个因子表示样本的种类，分为1-4类，只后的24个因子是这个样本的特征。 matlab程序

人工神经网络BP算法及数字识别.pdf

如今，水资源管理已成为世界的重大利益。 然而，研究区域现有的水文气候历史数据的缺失或质量较差，有时使水文研究变得困难。 通常，设计概念雨流模型的目的是通过校正间隙和预测流量来带来适当的答案。 位于Cavally河上的Ity站的历史水文气候数据包含必须弥补的空白。 本研究旨在通过人工神经网络建立降雨径流模型，以填补卡夫里河流域伊特水文站流量数据系列的空白。 利用流量蒸散数据建立了具有两个条目（每月平均降雨量和蒸散量）和出口（流量）的前馈的多层感知器。 神经网络模型的各种体系结构的性能标准的比较表明，体系结构2-3-1给出了最佳结果。 该架构为校准提供了75.79％的Nash系数和95.64％的相关线性系数，为验证提供了73.32％的Nash系数和98.33％的相关线性系数。 模拟流量与观测流量之间的相关性很强。 校正和验证的相关系数分别为83.89％和83.08％。

人工神经网络模型matlab源码.zip

与病虫有关的前期因子较多, 而且很复杂。其中气象因子与病虫害关系密切。不过, 气象因子与病虫害的关系并非线性关系