example4_1~example4_7为【单层感知器相关函数详解】中各个实例对应的代码脚本。 perception_hand.m为【单层感知器应用实例】手算部分的代码，修改后用于线性不可分问题的代码为perception_hand_un.m。 使用工具箱函数的代码为perception_fcn。共12个文件，

前馈神经网络续ppt课件.ppt

前馈神经网络.ppt

极限学习机的python程序，可用于学习极限学习机的入门，通过代码理解论文

植物病害鉴定 注意：这是我在进行深度学习时开发的第一个项目，并且不再受监控或使用。 您可以自己使用它，但是由于该项目已完成，因此不会进行新的更改。 为了保持植物健康，鉴定植物的健康是一个漫长但必要的过程。 在耕地面积扩大和农作物生长的地区，这一问题尤为严重。 除了人工识别，神经网络还可以用于识别健康或患病的植物。 该存储库包含用于识别植物病害的神经网络的源代码。 安装 要安装此存储库，可以直接从命令行克隆它： git clone https://github.com/amogh7joshi/plant-health-detection.git 然后，输入存储库并安装系统要求。 # Enter the Repository cd plant-health-detection # Install System Requirements python3 -m pip install

matlab svr代码神经发育结果的预测 包括以下项目： Matlab 中的自定义代码，用于支持向量回归 (SVR) 分析，采用留一法来预测神经发育结果。 Script_SVR_LOOCV_analysis.m； 演示输入数据： subject_feature.mat: N 个科目 x M 个感兴趣的区域 subject_score.mat：N 个科目 x 1 Script_SVR_LOOCV_analysis.m 的预期输出： Predicted_score：预测的神经发育结果； RHO 和 MAE：分别是预测分数和实际分数之间的相关系数和平均绝对误差； feature_contribution：每个特征对神经发育结果预测的贡献。 安装指南和系统要求 脚本已在 Matlab 2015a 上通过 LIBSVM（版本 3.20 和 3.22）在 Windows 操作系统上进行了测试。 硬件要求：Matlab 脚本只需要一台具有足够 RAM 的标准计算机（推荐 8+ GB）。 软件要求：SVR 使用 LIBSVM 包实现，可从 .

深度学习，李宏毅学习周笔记，训练的基本步骤，学习线性模型以及Sigmoid函数，神经网络，python简单程序实践（B站 开开心心学python）

Python课程设计基于卷积神经网络的手写数字识别系统源码.zipPython课程设计基于卷积神经网络的手写数字识别系统源码.zipPython课程设计基于卷积神经网络的手写数字识别系统源码.zip

基于RNN(循环神经网络)空中目标意图识别_kereas源码+数据集+程序说明及注释 程序为使用循环神经网络进行意图识别的程序 程序设计语言为Python 3.7.6；开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 代码可以生成损失函数曲线，精确度曲线； 可自定义修改梯度下降方法，损失函数。

基于LSTM循环神经网络空中目标意图识别_kereas源码+数据集+程序说明 程序设计语言为Python 3.7.6；集成开发环境为Anaconda。循环神经网络模型由Python的keras 2.3.0库实现。 数据集为：SCENARIO_DATA_UTF8.zip getData()函数负责读取xml文件，并处理成数据序列及对应的标签序列。参数data_length决定了所读取序列的长度。 getDocumentList()函数用于辅助getData()函数进行数据读取。 modelLSTM()用于实现最基本的循环神经网络模型，只是神经元类型为基础的LSTM。