图神经网络（Graph Neural Network，GNN）GCN/GAT/Graphsage

小波神经网络预测代码，包括43个·案例分析与解答

有导师学习神经网络的分类 ---鸢尾花种类识别的理论基础，案例背景，MATLAB程序实现

这是关于 图卷积GCN模型学习的资料，欢迎下载学习。

这是关于图神经网络入门学习的一个简单资料。仅学习使用。

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规BP网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的LM算法进行预测,构造了基于BP神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用MATLAB对预测模型进行了仿真预测。结果显示:误差在允

一本理论书籍，从算法角度讲述神经网络的原理和应用，是一本不错的参考书。

反馈网络中，神经网络matlab实现hop(Hopfield)算法 反馈网络中，神经网络matlab实现hop(Hopfield)算法

车流量建模是车联网（vehicular Ad Hoc network，VANET）路由、多媒体接入协议、无线算法设计的基础。准确的车流量模型将对智能交通系统（intelligent transportation system，ITS）实时调度和车联网的信息安全起到十分重要的作用。基于上海市的交通流量数据，利用自回归（auto regressive，AR）模型与神经（back-propagation，BP）网络模型对车流量实测数据进行了仿真对比，给出了相应的预测结果。研究发现，两个模型均能有效地对数据进行跟踪与预测，但对不同时段数据预测的准确性有所不同。研究结果将为未来智能交通应用、车联网的理论研究等提供有力依据。

压缩包包含 1：EMNIST数据集压缩包 2：EMNIST转化为图片后的格式（PNG） 3：EMNIST数据集转化为图片代码 EMNIST数据集介绍：名字的由来为，Extended MNIST (EMNIST), 一个在手写字体分类任务中更有挑战的 Benchmark EMNIST 主要分为以下 5 类： 1：By_Class ： 共 814255 张，62 类，与 NIST 相比重新划分类训练集与测试机的图片数 2：By_Merge： 共 814255 张，47 类， 与 NIST 相比重新划分类训练集与测试机的图片数 3：Balanced : 共 131600 张，47 类， 每一类都包含了相同的数据，每一类训练集 2400 张，测试集 400 张 4：Digits ：共 28000 张，10 类，每一类包含相同数量数据，每一类训练集 24000 张，测试集 4000 张 5：Letters : 共 145600 张，26 类，每一类包含相同数据，每一类训练集5600 张，测试集 800 张