MATLAB源程序16 单层竞争神经网络的数据分类—患者癌症发病预测.zip

光传输线路与设备维护

二三层转发原理，写的比较详细，网络基础必学，讲述二三层转发过程中的每个步骤

：以3D游戏中智能体的路径规划为研究背景，对于如何生成3D游戏的地形网格以及如何进行高速、准确的路径规划进行了研究。提出了一种分层的解决方案，首先通过建立导航网格划分状态空间；接着使用引入地形估价因子的 算法进行网格寻路，并通过拐角点法生成路径，同时对 算法的OPEN表进行了二叉堆的优化；最后介绍了基于射线透射的局部 算法对动态障碍物的处理。实验分析表明该算法的有效性。

二层网络三层网络理解 - 简书 .pdf

利用分层窗口（layered window）+ PNG图片实现，GDI+绘制，原理很简单。 1、双击面板编辑备忘 2、双击中间黄点，设置

cola_os说明 模块化和抽象层的设计思路 该开发板的主要目的是规范大家的编程思想。如果你现在已经有编程基础，但是苦于无法写出规范的代码，那么本开发板提供的例程可以带给你全新的认识。软件框架为前后台和时间片相结合，同时参考rt_thread和linux中优秀的思想设计而成。避免了裸跑的凌乱，又降低了RTOS的复杂。

浅层和深层卷积网络用于显着性预测 该论文在 （*） （*） （*）平等贡献 之间的联合合作： 抽象的 传统上，基于神经科学原理通过手工制作的功能解决了图像显着区域的预测问题。 但是，本文通过训练卷积神经网络（convnet），以完全数据驱动的方法解决了该问题。 学习过程被表述为损失函数的最小化，该损失函数使用提供的地面真实性来测量预测显着性图的欧几里得距离。 最近发布的显着性预测大型数据集提供了足够的数据来训练快速而准确的端到端体系结构。 提出了两种设计：从头开始训练的浅层卷积网络，以及另一种更深层次的解决方案，其前三层改编自另一种经过训练的分类网络。 据作者所知，这是为显着性预测目的而经过培训和测试的首批端到端CNN 出版物 感谢计算机科学基金会的支持， 得以公开发表。 也可以使用。 请引用以下Bibtex代码： @InProceedings{Pan_2016_CVPR, au

提出了一种调节InAs量子点长波长发光的方法。采用分子束外延生长GaAs/InAs短周期超晶格作覆盖层,可以拓展量子点发光波长至1. 3umm～1. 5um.研究了不同超晶格周期作覆盖层对InAs量子点的晶体结构和光学特性的影响:发现随测试温度的升高,量子点的PL发光强度增强的一种反常现象。认为这是不同量子间载流子输运的结果。

用于回归分析的具有完全连接层（多层感知器）的神经网络的基本实现。 目前它支持任意数量的层，所有层都具有相同的激活函数（'tanh'、'sigmoid' 或 'relu'）和 L2 正则化因子。 可以使用内部字典添加激活函数。 输出层的激活函数是线性的。