主要为大家详细介绍了tensorflow使用神经网络实现mnist分类，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

【预测模型】基于蚁群算法优化bp神经网络实现数据预测matlab源码.pdf

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

机器学习实验课内容实现逻辑回归和神经网络 % 读入数据 X = load('logistic_x.txt'); Y = load('logistic_y.txt'); X = [ones(size(X, 1), 1) X]; % 计算 theta theta = log_regression(X ,Y); % 绘制图像 figure; hold on; plot(X(Y < 0, 2), X(Y < 0, 3), 'rx', 'linewidth', 2); plot(X(Y > 0, 2), X(Y > 0, 3), 'go', 'linewidth', 2); x1 = min(X(:,2)):.01:max(X(:,2)); x2 = -(theta(1) / theta(3)) - (theta(2) / theta(3)) * x1; plot(x1,x2, 'linewidth', 2); xlabel('x1'); ylabel('x2');

纯手写卷积神经网络，未使用任何神经网络框架，使用numpy纯手写卷积神经网络，研究此代码可充分搞懂卷积神经网络原理，本人也是通过此代码亲自走过来的。代码简单。 适用人群：适用于有意愿彻底搞懂卷积神经网络底层原理的同学，适合做该领域研究的学者，较易上手。 阅读建议：对于想学习python的同学，可通过此小项目一边研习python代码语法，一边学习卷积神经网络算法，可以很快入门python,并掌握基础的卷积神经网络算法。

【BP预测】基于Tent混沌映射原子搜索算法优化BP神经网络实现数据回归预测附matlab代码

基于人工神经网络实现智能机器人的避障轨迹控制

神经网络实现分类matlab代码dsg_predictive_modelling 使用matlab机器学习工具箱解决蘑菇数据集的问题。 该解决方案包含在文件“solution.csv”中，该文件包含给定数据的类的预测值。 然后文件'solution_code.m'包含源代码 在这个存储库中，我已经放置了数据科学组 iitr 提供的蘑菇数据集的完整解决方案。 我已经使用深度学习来解决这个分类问题。 该存储库包含一个名为“solution_code”的文件，其中包含使用具有单个隐藏层的神经网络执行 ddep 学习过程的完整代码。 我首先分析了数据集并推断出属性 - gill-attachment 有 97.64% 的值为 'f'，veil-type 有 100% 的值为 'p'，而 veil-colour 有 97.73% 的值作为“w”提供的信息，这些信息对我们的模型没有帮助，所以我在开始时删除了它们。 然后我意识到在某些属性中，一些特定的值更多地集中在数据集的底部，而一些在顶部，因此我将它们随机分布以打破任何一种对称性。 然后我将半径和权重等数值数据类型与分类数据类型分开，并且必须分别

基于TensorFlow、CNN、清华数据集THUCNews的字符级卷积神经网络实现文本分类算法源码

【故障诊断分析】基于BP神经网络实现三相逆变器故障诊断研究含Matlab源码