類(lèi)神經(jīng)網(wǎng)路的基本運(yùn)算-TLU,為所有學(xué)習(xí)類(lèi)神經(jīng)入門(mén)的的第一個(gè)演算法,單一的neural做簡(jiǎn)易的training,雖無(wú)法解xor的問(wèn)題,但卻是人類(lèi)史上的類(lèi)神經(jīng)的第一步.
標(biāo)簽： training neural TLU xor
上傳時(shí)間： 2015-12-02
上傳用戶(hù)：851197153
有SOM、LVQ、ART三種不同方式的類(lèi)神經(jīng)網(wǎng)路可以參考的實(shí)例
上傳時(shí)間： 2016-01-25
上傳用戶(hù)：qwe1234
機(jī)率神經(jīng)網(wǎng)路分類(lèi)器之高階合成。對(duì)研究概率神經(jīng)網(wǎng)絡(luò)很有幫助的。質(zhì)量很高的論文
標(biāo)簽： 分 合成 概率神經(jīng)網(wǎng)絡(luò) 質(zhì)量
上傳時(shí)間： 2016-04-07
上傳用戶(hù)：jcljkh
類(lèi)神經(jīng)網(wǎng)路中的RBF matlab toolbox
上傳時(shí)間： 2016-07-22
上傳用戶(hù)：daguda
內(nèi)涵模糊理論與類(lèi)神經(jīng)網(wǎng)路的程式碼...提供初學(xué)者做研究參考
上傳時(shí)間： 2013-12-24
上傳用戶(hù)：yyyyyyyyyy
類(lèi)神經(jīng)網(wǎng)路的BK演算法，已驗(yàn)證過(guò)可以使用。
標(biāo)簽： 算法
上傳時(shí)間： 2016-10-23
上傳用戶(hù)：kr770906
類(lèi)神經(jīng)網(wǎng)路的RBF這對(duì)於任何研究都非常之友幫助歡迎下載內(nèi)有說(shuō)明
標(biāo)簽： RBF
上傳時(shí)間： 2014-01-04
上傳用戶(hù)：英雄
利用遞迴式模糊類(lèi)神經(jīng)網(wǎng)路(recerrent neural networks system identification, RFNN)進(jìn)行系統(tǒng)辨識(shí), 自己寫(xiě)的請(qǐng)多包含
標(biāo)簽： identification recerrent networks neural
上傳時(shí)間： 2017-02-27
上傳用戶(hù)：LIKE
跟類(lèi)神經(jīng)網(wǎng)路有點(diǎn)像的東西， 不過(guò)現(xiàn)今最常拿來(lái)就是做分類(lèi)也就是說(shuō)，如果我有一堆已經(jīng)分好類(lèi)的東西 （可是分類(lèi)的依據(jù)是未知的！） ，那當(dāng)收到新的東西時(shí)， SVM 可以預(yù)測(cè) (predict) 新的資料要分到哪一堆去。
標(biāo)簽：
上傳時(shí)間： 2014-01-18
上傳用戶(hù)：hasan2015
本文以濾波技術(shù)飛速發(fā)展，小波濾波優(yōu)越性的凸現(xiàn)，以及虛擬儀器的易操作等良好特性為背景，以簡(jiǎn)單易行和濾波效果良好為研究目的，展開(kāi)本文信號(hào)濾波處理的研究工作。 在深入研究三種小波濾波方法原理和優(yōu)缺點(diǎn)的基礎(chǔ)上，本文提出了一種新的優(yōu)化濾波方法，包括以下三個(gè)方面： 首先，將靜態(tài)小波變換(SWT)應(yīng)用于濾波處理。利用SWT的平移不變性和冗余性來(lái)進(jìn)行含噪信號(hào)的分解，這樣不僅彌補(bǔ)了正交小波變換的不足，而且提高了濾波性能。 然后，提出了基于空域相關(guān)的優(yōu)化閾值函數(shù)濾波算法。該算法把小波系數(shù)間的相關(guān)性應(yīng)用于閾值濾波。它是在構(gòu)造出基于空域相關(guān)的顯著性函數(shù)和基于顯著性函數(shù)的閾值濾波過(guò)程的基礎(chǔ)上，提出了基于空域相關(guān)的優(yōu)化閾值函數(shù)，并且把極小化廣義交叉驗(yàn)證(GCV)得到均方差(MSE)意義下的最優(yōu)閾值作用于該優(yōu)化閾值函數(shù)。該濾波算法不僅實(shí)現(xiàn)了噪聲的有效去除，而且信號(hào)的重要特征也保留完好； 最后，引入了新型鎖相環(huán)--正交鎖相環(huán)(QPLL)。鑒于QPLL不僅具有鎖定范圍寬、入鎖速度快、鎖定后精度高的性能，而且還具有良好的抑制諧波、噪聲的能力，以及對(duì)波形畸變不敏感等良好特性，所以QPLL的引入達(dá)到了信號(hào)鎖定和優(yōu)化濾波的目的，使優(yōu)化濾波方法的設(shè)計(jì)更具新意，而且取得了更好的濾波效果。 為了驗(yàn)證優(yōu)化濾波方法，本文搭建了實(shí)驗(yàn)平臺(tái)，它是由FPGA信號(hào)采集部分和LabVIEW軟件濾波處理兩個(gè)部分構(gòu)成。通過(guò)傳感器采集信號(hào)，經(jīng)過(guò)A/D轉(zhuǎn)換后送入FPGA。以FPGA為CPU控制A/D轉(zhuǎn)換，并進(jìn)行波形數(shù)據(jù)緩存，在接收到LabVIEW的命令后，將存儲(chǔ)的數(shù)據(jù)送給串口。在LabVIEW中，從串口檢測(cè)所需的波形數(shù)據(jù)，然后通過(guò)優(yōu)化濾波方法將數(shù)據(jù)進(jìn)行濾波處理，最后在前面板中把實(shí)驗(yàn)結(jié)果顯示出來(lái)。 實(shí)驗(yàn)結(jié)果表明，該優(yōu)化濾波方法不僅能實(shí)現(xiàn)優(yōu)良的濾波功能，而且簡(jiǎn)單易行，是一種有效的濾波方法。
上傳時(shí)間： 2013-07-20
上傳用戶(hù)：gokk
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
