该代码实现了用于教程目的的多层反向传播神经网络，并允许在输入、输出和隐藏层中训练和测试任意数量的神经元。 隐藏层的数量也可以变化。 共有三个文件，其中 MLBPN_Train.m 用于在所需输入模式上构建和训练多层网络，MLBPN_Test.m 用于测试训练后的神经网络。 您可以通过修改DefinePattern.m文件来提供自己的训练模式。
如果需要，学习率、总迭代次数和激活函数都可以更改。 该代码使您能够单独修改前向和反向传播阶段，以允许在复杂的训练数据上快速收敛。
2022-12-24 12:46:09
5KB
1
中特期末论文，参考选题：讲好中国故事与对外传播的理论与实践案例研究，经知网查重，低于30%
2022-12-23 13:15:42
68KB
1
将远程随机感染引入到经典的SIRS模型来研究复杂网络上疾病传播行为，考虑到感染节点在以一定概率把疾病感染到其邻接节点的同时，随机选取网络中一个不存在边连接的非邻接节点，并以一定的远程感染概率进行感染。针对小世界网络和无标度网络，分别采用重连概率相关和度相关的远程感染概率，利用平均场的方法求得改进的SIRS模型在这两种网络上的传播阈值以及稳态感染密度。数值仿真结果表明：对于小世界网络，有效传播率在一定范围内，重连概率对稳态感染密度和传播速度有明显的影响，超过这个范围，重连概率对稳态感染密度的影响可以忽略；而
2022-12-16 19:45:07
226KB
1
基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z
人工智能 课程作业
手写数字数据集 BP网络模型识别手写数字
反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法。反向传播要求人工神经元（或“节点”）的激励函数可微。
2022-12-14 16:26:57
11.06MB
R医学分析实例传播疾病分析Covid-19，适合医学生的医学分析学习以及模板，可以直接使用，适合小白和进阶者
2022-12-09 16:27:52
6KB
建立一个SARS传播的实用的、可求解的改进SIR模型，并用差分方法进行求解。利用北京SARS病例数据对模型验证表明，拟合曲线与实际数据基本吻合，平均相对绝对值误差为0.0153。对隔离时机的提前或延后造成的后果进行数值分析，可得出最终确诊病例累计数与隔离时机的延长或提前呈指数增长或下降的结论。
2022-12-01 20:46:58
541KB
1