介绍了神经元模型、单层神经网络、多层神经网络、前馈神经网络、bp神经网络等基础概念，以及如何在matlab平台创建感知器，运用其自带的工具箱。
2021-10-13 21:08:08
797KB
1
ResNet-18是预先训练的模型，已经在ImageNet数据库的子集上进行了训练。 该模型在超过一百万张图像上进行了训练，可以将图像分为 1000 个对象类别（例如键盘、鼠标、铅笔和许多动物）。
从您的操作系统或在MATLAB中打开resnet18.mlpkginstall文件将启动您所拥有版本的安装过程。
此 mlpkginstall 文件适用于 R2018a 及更高版本。
用法示例：
% 访问训练好的模型净 = resnet18();
% 查看架构细节网络层
% 读取图像进行分类I = imread('peppers.png');
% 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3));
％使用ResNet-18对图像进行分类标签 = 分类（净，我）
% 显示图像和分类结果数字显示（一）
2021-09-03 09:29:05
6KB
1
将matlab神经网络工具箱代码导出Resnet18
ResNet-18
是一个卷积神经网络，它在来自
ImageNet
数据库的超过一百万张图像上进行了训练。
结果，网络已经为各种图像学习了丰富的特征表示。
该网络可以将图像分为
1000
个对象类别，例如键盘、鼠标、铅笔和许多动物。
该网络的图像输入大小为
224×224×3。
用法
此存储库需要
MATLAB（R2018b
及更高版本）和深度学习工具箱。
该存储库提供三个功能：
resnet18Layers：使用
ResNet-18
的网络架构创建未经训练的网络要从头开始训练网络，请在
MATLAB
命令行中键入以下内容：
lgraph
=
resnet18Layers;
未经训练的网络作为
layerGraph
对象返回。
要构建适用于图像分类的经过训练的
ResNet-18
网络，请在
MATLAB
命令行中键入以下内容：
净
=
assembleResNet18;
经过训练的网络作为
DAGNetwork
对象返回。
要使用网络对图像进行分类：
img
=
imresize(imread("peppers.png"),[22
2021-07-09 09:20:01
76KB
1
Matlab_神经网络工具箱（GUI界面的使用方法）,这是一个pdf文档，里面介绍了matlab神经网络工具箱的使用方法，很详细。
2021-06-29 15:56:54
64KB
1
人工神经网络由于具有自我调整、自组织、自我容错、多数据并行处理等特点,已广泛应用在工程实践及高校科研等领域。其中,BP网络为神经网络的核心领域,在实际的工程应用中,大约70%以上的神经网络算法使用的是BP网络算法和BP网络算法改进。本文详细研究了基于MATLAB 2018工具箱的BP神经网络模型的建立和仿真过程,介绍了BP神经网络的原理及具体推导,并应用在江苏省教育厅高校哲学社会科学研究项目中,借助智能算法对指标体系的构成要素进行数据挖掘,所获取的知识对研究江苏省军工产业持续创新发展具有重要的意义。仿真结果表明,该模型能够很好地实现预期的预测结果。
2021-06-21 18:09:06
919KB