【博客源代码】程序设计-在校整理-07 DGA域名识别（MLP初探）源代码与数据文件

云谷 Cloudsdale 是一款适用于 Web、iOS、Android 和 Windows Phone 的实时聊天应用程序，主要为兄弟们设计。 很酷。 介绍 Cloudsdale 使用Ruby on Rails构建，由Redis 、 MongoDB 、 MemCached 、 RabbitMQ和Sidekiq (Celluloid) 支持。 Cloudsdale 在 ruby​​ MRI 版本2.0.0上开发和测试。 服务器操作 以下示例要求： 您可以使用 bash 访问 Unix 终端。 您还需要部署 SSH 密钥。 你已经安装了 ruby​​ 2.0.0。 最好通过 RVM。 从 GitHub 上的master部署： bundle exec cap deploy 在所有服务器上重新启动 Web 服务器： bundle exec cap deploy restart 创

前向MLP网络的FPGA实现.pdf

采用Keras编写的神经网络与深度学习数字识别程序两例。介绍了加载数据集文件的三种方法；第1例为MLP数字识别程序，第2例为LeNet数字识别程序(配LeNet网络架构图一幅，并与程序中的代码段对应)，程序可读性强并通过验证测试。

matlab中存档算法代码使用多层感知器和支持向量机的信用卡客户默认预测 这是使用多层感知器和支持向量机的信用违约预测的比较研究。 它是伦敦大学城的MSc数据科学的“神经计算”模块的一个单独项目的结果。 该项目的主要目标是解决极端的类别失衡问题（80％的非违约者和20％的违约者）。 使用了两种平衡技术：Adasyn和Borderline Smote。 另外，还测试了使用RELIEF算法进行的特征选择是否会导致模型的更好性能。 在“多层感知器和支持向量机的比较研究”文件夹中，您可以找到用于评估的Matlab代码和报告。 “ Matlab代码”文件夹包含每个受过训练的模型（总共16个）的所有必要文件（使用的数据和功能）。 项目报告将为您提供有关问题，项目过程和结果的总体思路。 建议先阅读报告，然后再查找代码。 该数据集是从UCI机器学习存储库（）中检索的，并已在Python中进行了预处理。 执照：麻省理工学院

用于乳腺癌数据集的 BBO-MLP 虹膜数据集的 MMO-MLP 可以在这里找到： http : //www.mathworks.com.au/matlabcentral/fileexchange/45804-biogeography-based-optimizer--bbo--for-training-multi-layer-perceptron--毫升- 基于生物地理学的优化器 (BBO) 被用作多层感知器 (MLP) 的训练器。 当前的源代码是用于解决虹膜分类问题的 BBO-MLP 训练器的演示。 本次提交中还有其他培训师：粒子群优化 (PSO)、蚁群优化 (ACO)、遗传算法 (GA)、进化策略 (ES) 和基于概率的增量学习 (PBIL)。 BBO-MLP 的分类精度在 main.m 文件的末尾计算，并与 PSO、ACO、ES、GA 和 PBIL 的分类精度进行比较。 最后绘

1.拍四张不同方位的标准照片，falg 0 1 2 3。 2.选择了多层感知机分类器。 4.图片预处理（crop，sobel、emphasize），选取合适点的特征表征（这步比较关键，特征的选取根据图片来分析，分类结果好坏取决决于此） 5.四张照片训练模型得到模型句柄信息。 6.读取模型，映射分类。`

利用pythorch 实现kaggle比赛中mnist的识别，准确率99+%，运用CNN MLP LSTM等多种方法，内含数据和文档，环境配置方法，代码有注释，解压后可直接运行，适合初学者！

matlab开发-使用MLP进行IRISFlowerClassification。虹膜花分类的多层感知器

简略介绍了卷积神经网络及其预备知识