【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：LVQ神经网络算法判定人脸朝向_LVQ神经网络_人脸朝向_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

公路信息化管理！采用人工神经网络算法！，利用matlab的基本算法进行！

python 神经网络 数据挖掘 python实现的神经网络算法

1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合及分类(1-8 genetic algorithm, 9 multi-objective Pareto optimal solution search algorithm, 10 multi-objective Pareto based two-dimensional knapsack search algorithm, 11-12 immune algorithm, 13-17 particle swarm algorithm, 18 fish swarm algorithm, 19-21 simulated annealing algorithm, 22-24 ant colony algorithm, 25-27 neural network, 28 support vector m

基于PSO工具箱的函数寻优算法 基于遗传算法的BP神经网络优化算法 基于遗传算法的LQR控制器优化设计 基于遗传算法的TSP算法 基于粒子群算法的PID控制器优化设计 粒子群算法的寻优算法 蚁群算法的优化计算——TSP优化 多种群遗传算法的函数优化算法 基于蚁群算法的三位路径规划算法 基于动态粒子群算法的动态环境寻优算法 免疫优化算法在物流配送中心选址中的应用 基于遗传算法和非线性规划的函数寻优算法 支持向量机的回归拟合——混凝土抗压强度预测 支持向量机分类——基于乳腺组织电阻抗特性的乳腺癌诊断 有监督学习神经网络的回归拟合——基于红外光谱的汽油辛烷值预测

采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。对广大科研人员有很高的参考价值。(. MATLAB intelligent algorithm 30 case studies, the use of case the main line, the form of an intelligent algorithm to explain the genetic algorithm, immune algorithm and annealing algorithm, particle swarm optimization, fish swarm algorithm, ant colony algorithm and neural network algorithm most commonly used intelligence algorithm in MATLAB. High reference value for the majority of researchers.)

智能算法：神经网络，极限学习机，遗传算法，粒子群算法，蚁群算法，鱼群算法，人工免疫算法(Intelligent algorithms: neural networks, Extreme Learning Machine, genetic algorithm, particle swarm optimization, ant colony algorithm, fish swarm algorithm, artificial immune algorithm)

一种改进的BP神经网络算法及其应用-一种改进的BP神经网络算法及其应用.rar 一种改进的BP神经网络算法及其应用 一种改进的BP神经网络算法及其应用 褚辉,赖惠成 摘要:BP算法是目前应用最为广泛的神经网络学习算法,但原始算法收敛速率慢,训练过程易陷入局部极小值以及隐层节 点数选择困难。针对这些问题提出了不少改进措施,文中提出了一种改进的BP神经网络算法,在BP算法基础上,从训练算 法着手,通过误差的变化趋势,动态调整权值以提高网络的收敛速率;通过数学推导,从理论上验证了该算法的有效性。用 MATLAB软件对文中的改进算法进行仿真,并且与其它方法进行比较,结果表明,改进后的算法在收敛速率和抑制噪声等方 面有很好的效果,从实验上验证了该算法的有效性。 关键词:神经网络;反向传播算法;模式识别

神经网络反向传播图解,使用图像介绍了反向传播的过程，公式清楚，逻辑明确。​ 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。这个梯度会回馈给最佳化方法，用来更新权值以最小化损失函数。本文通过图解加介绍，帮助初学者学习和了解反向传播算法。​ 弗拉基米尔·瓦普尼克引用（Bryson, A.E.; W.F. Denham; S.E. Dreyfus. Optimal programming problems with inequality constraints. I: Necessary conditions for extremal solutions. AIAA J. 1, 11 (1963) 2544-2550）在他的书《支持向量机》中首次发表反向传播算法。在1969年Arthur E. Bryson和何毓琦将其描述为多级动态系统优化方法。现今，反向传播算法仍然是神经网络进行学习训练比不可少的成分，了解反向传播算法是AI行业基础

bp神经网络改进算法 一.使用说明 该程序有五个主要菜单项: A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等) B.新建数据 (建立新的数据文件) C.学习 D.测试 E.误差显示 操作过程: 1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT) 2.新建数据文件: B -> A -> C -> D,E; 举例:求XOR问题数据文件的建立(菜单[B]的使用) 对话框(1) 输入层单元个数:2 (TAB键切换) 隐层单元个数:2 输出层单元个数:1 学习率:0.5 模式个数:4 ("输入"键) 对话框(2 -1) 第1个模式的输入值: (TAB键切换) 注意:0 (空格) 0 第1个模式的目标值: 0 ("输入"键) 对话框(2 - 2) 第2个模式的输入值: (TAB键切换) 0 (空格) 1 第2个模式的目标值: 1 ("输入"键) 对话框(2 - 3) 第3个模式的输入值: (TAB键切换) 1 (空格) 0 第3个模式的目标值: 1 ("输入"键) 对话框(2 - 4) 第4个模式的输入值: (TAB键切换) 1 (空格) 1 第4个模式的目标值: 0 ("输入"键) 二.程序说明 程序实现的是二层BP网络,通过从文件中读入数据来构建网络,同时读入对应的样本进行学习,测试. ε=0.09 变量为max_error_tollerance; forward_pass()向前计算输出值; backward_pass()向后调整权值;