LeNet5神经网络模型在手写数字识别中的识别率很高，通过训练得到0.985精度的参数，可以用于训练更高精度的初始参数。其中卷积核选择表(O：true， X: false)：
{
O, X, X, X, O, O, O, X, X, O, O, O, O, X, O, O,
O, O, X, X, X, O, O, O, X, X, O, O, O, O, X, O,
O, O, O, X, X, X, O, O, O, X, X, O, X, O, O, O,
X, O, O, O, X, X, O, O, O, O, X, X, O, X, O, O,
X, X, O, O, O, X, X, O, O, O, O, X, O, O, X, O,
X, X, X, O, O, O, X, X, O, O, O, O, X, O, O, O
};
2021-11-04 19:21:25
406KB
1
使用在 Simulink 中开发的 NARX 的神经网络控制器。 我在使用 Simulink 进行控制应用的神经网络训练时遇到的问题之一是归一化问题。 在这个项目中，一个简单的 NARX 网络被用来替换 Simulink 中的 PID。 这特别有用，因为我们解决了以下问题1. 如何在 Simulink ( https://au.mathworks.com/help/deeplearning/ref/mapminmax.html ) 中编写自己的 Mapminmax 的 Matlab 版本2. PID 输入和输出作为 NARX 网络的输入和目标3. 在 Matlab 训练之前，首先将输入和目标归一化（从 +1 到 -1） 4. 使用“fnc”功能块，用输入和目标的最大值和最小值替换 xmin、ymin、xmax 和 ymax。 5. 由于您使用归一化输入进行训练，因此您需要在 Simulin
2021-10-13 10:25:52
33KB
1
研一学生，老师布置的一个tensorflow任务。搭建简单的全链接神经网络，再根据几个影响洪水流量的因素，来预测洪水流量。
下面是代码。
import tensorflow as tf
import numpy as np
定义数据形式
x_data = np.asarray([[84,21.6,4,110,2,1410],
[29.5,34,2.27,110,3,1770],
[152.5,24.9,1.95,90.3,3,1360],
[40.1,22.7,2.67,89.7,3,1133],
[110.6,23.2,1.11,110,1,449],
[74,9.5,1.42,
2021-10-07 10:57:34
128KB
1
(在5-6台机器上测试绝对可用)在data/train中放要测试的数据集一种放一类，在retrain.bat修改retrain.py和inception_model的路径.每次训练时都要将bottleneck中的内容清空images中放要测试的图片。在测试训练好的模型中修改生成文件out的位置。本模型为inceptionv3，可训练自己的模型，现在包含相貌等级的数据集，可训练完后查看效果。内包含各种注意事项，需要安装tensorflow
2021-09-23 10:46:46
181.19MB
1
行业-电子政务-关键点检测方法、神经网络训练方法、装置和电子设备.zip
2021-09-10 19:02:07
1.97MB
一开始，ELM 建议用于训练（SLFN）单隐藏层前馈神经网络，似乎能够扩展到 MLP（多层感知器）。 在这段代码中，我们提出了一种基于 ELM 的算法来训练用于回归和分类的 MLP。
2021-08-20 10:45:54
1.8MB
1