基于颜色和BP神经网络的车牌定位和识别系统（程序，设计说明文档，ppt，供参考学习，严禁无脑copy） 第一章 引言 1.1车牌识别的研究意义 1.2车牌识别系统现状 1.3 车牌识别系统研究内容 1. 4 章节安排 第二章 基于颜色和BP神经网络的车牌定位 2.1 彩色图像显示 2.2 色彩空间RGB到Cr Cb的转换 2.3 BP神经网络原理 2.4基于Cr Cb的神经网络车牌定位 第三章 车牌字符定位与字符分割 3.1 图像投影技术 3.2 基于图像投影技术的车牌字符定位与分割技术 第四章 基于颜色和BP神经网络的字符识别 4.1 车牌字符库的建立 4.2 基于BP神经网络的字符识别 第五章 结论 参考资料 致 谢

全连接神经网络 应用 手写数字识别0〜9 使用mnist训练集 训练集为50000张图片 测试集为10000张图片 达到的效果拟合度99.70％，测试集上准确率98.38％ ，在训练了28个epoth获得 算法细节 使用反向传播算法计算梯度dw和db 采用L2正则化 采用随机梯度下降算法 min-batch大小为10 使用fmincg高级优化算法执行渐变下降的单次迭代 数据归一化 参数初始化 生成第l层的w和b，k为第l-1层的神经元个数 使用方差为1 / k的高斯分布生成w，方差为1的高斯分布生成b 这一定幅度加快了训练速度，详细联系作者 对输出层采用softmax层，得到每个类别概率分布的输出 更多测试细节 不同超参数得到的训练结果报告 详细数据报告联系作者 超参数 训练集上拟合度 测试集上准确率 训练的epoth数 未优化的bp神经网络 优化算法改变，将fminunc改成fmincg

使用C++实现的模拟退火算法，解决DSP问题

模拟退火算法，java实现TSP问题的解决实例，把代码放在了TXT里面，直接copy运行就可以了

包含25个优化相关代码 │ SVM用于分类时的参数优化，粒子群优化算法，用于优化核函数的c,g两个参数(SVM PSO).rar │ 文件树.txt │ ├─10基于MATLABCPLEX 的机组最优组合，成功求解表格化，图示化的机组组合结果 │ │ www.imdn.cn.txt │ │ 我是程序员_imdn.url │ │ │ └─电力系统机组组合优化 │ excel2017.xls │ jizuzuheyouhua.m │ 基本要求.docx │ 机组组合问题求解结果.xls │ 热备用0.05机组各时段最优出力图表.vsdx │ 热备用0.05状态下的机组组合问题求解结果.xls │ 热备用0.2下的机组最优出力.vsdx │ 热备用0.2状态下的机组组合问题求解结果.xls │ 直流潮流下的节点导纳矩阵.xls │ 节点导纳的逆矩阵.xls

安全技术-网络信息-融合群智能方法BP神经网络模型及其在股市预测中的应用.pdf

【优化调度】改进粒子群算法求解微电网优化调度问题matlab源码

BP神经网络详解-最好的版本 非常好的文档

手写数字图片训练集（三层BP神经网络应用）

BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，与BP神经网络预测相比，绝对误差降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。