业分类-物理装置-一种深度神经网络的可解释生成方法.zip

卷积神经网 CNN C++的 实现 基于 mnist 数据 里面已经包含数据集

BP神经网络实现图像识别（BP神经网络实现图像识别，批量输入图像得到识别结果。）

用BP人工神经网络预测人口代码（matlab） 是matlab编程的，按照自己的数据修改后就可以直接用！

利用matlab设计基于BP神经网络的水果识别，利用不同水果的颜色及弧度作为神经网络的参数，建立BP神经网络。（Ps:水平一般，仅供参考）

基于SVM与人工神经网络的车牌识别算法，使用了OpenCV的图像处理函数，在VS2013平台上实现 基于SVM与人工神经网络的车牌识别算法，使用了OpenCV的图像处理函数，在VS2013平台上实现

一个bp神经网络进行交通预测的Matlab源代码，里面备有较为详细的注释，供给初学者！ 不仅有最初的bp模型，还包括优化的算法，总共有多个程序段，大家可以根据自己的数据情况选择适合的神经网络结构！

主要为卷积神经网络中的bn层应用，bn层也是一个数据处理的方式，一般位于非线性激活层之前，全连接层之后，本资源涵盖4个代码，分别为bn层建立，cn层在实例中的应用，bn层测试以及有无bn层的对比，供大家更好地了解bn层的作用

基于青岛某办公建筑2015 年全年逐时总用电能耗及空调用电能耗数据，利用kmeans 聚类算法对其进行聚 类，将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两 周数据以及气象数据一同作为BP 神经网络的输入，预测未来24 小时的建筑总用电和空调用电，该方法比单用日 前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。BP 负荷预测相对 误差在5%以内，而kmeans－BP 负荷预测算法控制在±2．5%以内; BP 预测得到的均方根误差和平均绝对百分误差 范围分别在4．6～ 9．0 之间、2．3%～ 4．4%之间，km

共两个示例代码，一个是实现了离散Hopfield神经网络对0~9数字的正确识别。另一个是实现了连续Hopfield网络解决的旅行商问题。代码中都添加了基本注释。