SVM神经网络的回归预测分析---上证开盘指数预测

基于神经网络的模糊控制实例，包括中央空调、锅炉系统等

PyTorch中的RAHGCN 1.概述 该存储库是PyTorch中通过强化学习（RAHGCN）实现的自适应双曲图卷积神经网络。 下游任务包括： 链接预测（ lp ） 节点分类（ nc ） 2.设定 2.1下载代码 首先从Github下载源代码。 git clone git@github.com:fuxingcheng/RHGNN.git" cd rahgcn 2.2启动虚拟环境 我们建议在虚拟环境中设置我们的项目。 您可以选择conda或virtualenv来创建和管理虚拟环境。 如果您尚未安装conda，请按照的说明进行安装。 如果尚未安装virtualenv，则只需运行pip3 install virtualenv 。 对于conda ： conda env create -f environment.yml python=3.6 source activate ra

卷积神经网络基础概念理解： 1.图片知识：通道、位深 2.卷积、卷积核、感受野、梯度、激活函数 3.图片通道提取、图片卷积计算

MATLAB实现PSO-GRNN多输入回归预测（完整源码和数据） 粒子群优化广义回归神经网络预测，数据为多输入回归数据，输入6个特征，输出1个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

coursera的吴恩达的课编程练习所需的所需包和数据，可以方便学员自己在本地练习

win7-64位系统安装cudnn v7.1 和cuda 9.0 目前下载cudnn和cuda比较麻烦，得注册账号，而且外国网速慢，经常卡死。 所以在文档里提供一个baidu网盘下载链接来下载 文件包含： 1：cuda9.0.176含： cuda_9.0.176_windows.exe，Base Installer cuda_9.0.176.1_windows.exe，Patch 1 (Released Jan 25, 2018) cuda_9.0.176.2_windows.exe，Patch 2 (Released Mar 5, 2018) 2: cudnn-9.0-windows7-x64-v7.zip 为cudnn7.0.5 cudnn-9.0-windows7-x64-v7.1.zip 为cudnn7.1.4 5个文件都是官方下载版本。

请下载相应的阅读软件打开即可，仅供学习！

针对6G时代将会是移动通信与人工智能紧密结合的时代，产生数量庞大的边缘智能信号处理节点的趋势，提出了一种可部署于资源受限的边缘设备上的高效智能电磁信号识别模型。首先，通过绘制电磁信号的星座图将电磁信号具象为二维图像，并根据归一化点密度对星座图上色以实现特征增强；然后，使用二值化深度神经网络对其进行识别，在保证识别准确率的同时明显降低了模型存储开销以及计算开销。采用电磁信号调制识别问题进行验证，实验选取常用的8种数字调制信号，选择加性高斯白噪声为信道环境。实验结果表明，所提方案可以在信噪比为-6～6 dB的噪声条件下获得96.1%的综合识别率，网络模型大小仅为166 KB，部署于树莓派4B的执行时间为290 ms，相比于同规模的全精度网络，准确率提升了0.6%，模型缩减到

MATLAB实现CNN-LSTM神经网络多输入回归预测（完整源码和数据） CNN-LSTM神经网络，卷积长短期记忆神经网络多输入回归预测 数据为多输入回归数据，输入12个特征，输出1个变量。 运行环境MATLAB2020b及以上。