BP、RBF、DRNN网路跟随程序,可根据自己需要改动
2022-04-21 21:21:09 4KB BP、RBF、DRNN网路跟随程序
1
基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评估研究 基于BP神经网络模型的中国P2P借款人信用风险评
2022-04-21 21:05:32 3.15MB 神经网络 p2p 深度学习 机器学习
基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预测模型 基于遗传BP神经网络的核桃破裂功预
2022-04-21 21:05:30 1.12MB 神经网络 深度学习 机器学习 人工智能
采用BP神经网络在MATLAB环境下,用脉搏测血压
2022-04-21 19:51:55 41KB BP神经网络 脉搏测血压 matlab
1
通信小白入门好文。极化码鼻祖Arikan亲自书写BP译码基础。
2022-04-21 14:03:34 57KB 数字通信 置信传播 极化码 译码
1
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
2022-04-21 11:36:46 255KB matlab
1
基于MATLAB神经网络的交通标志识别系统。包含分禁令类,指示类和警示类,三种类别的交通标志均可识别,根据三种标志颜色不同通过HSV颜色空间定位到交通标志,然后利用形态学相关知识,按面积和长宽比小于一定阈值进行滤除,即可得到精准的定位。接着,分割出目标区域,得到彩色的目标区域。最后利用bp神经网络方法进行训练,得到结果,整个设计带有一个可视化GUI界面,方便操作,布局合理。
2022-04-21 09:06:38 1.74MB 神经网络 matlab 深度学习 BP神经网络
针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。
2022-04-20 15:10:35 771KB 行业研究
1
disp('展示BP的训练集分类') bp_train_accuracy=sum(J==J1)/length(J) figure stem(J,'bo'); grid on hold on plot(J1,'r*'); legend('网络训练输出','真实标签') title('BP神经网络训练集') xlabel('样本数') ylabel('分类标签') hold off %% 测试集准确率 tn_bp_sim = sim(net_bp,P_test);%测试 [I J]=max(tn_bp_sim',[],2); [I1 J1]=max(T_test',[],2); disp('展示BP的测试集分类') bp_test_accuracy=sum(J==J1)/length(J) figure stem(J,'bo'); grid on hold on plot(J1,'r*'); legend('测试输出','真实标签') title('BP神经网络测试集') xlabel('样本数') ylabel('分类标签') hold off
2022-04-20 09:06:52 3.91MB 分类 自然语言处理 人工智能 数据挖掘