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
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
標(biāo)簽： 模糊 程式
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
C++神經(jīng)網(wǎng)絡(luò)，c++，BP網(wǎng)絡(luò)模型，適用于多對(duì)一
標(biāo)簽：
上傳時(shí)間： 2017-04-09
上傳用戶(hù)：iswlkje
表面粗糙度是機(jī)械加工工藝中主要的技術(shù)參數(shù)， 對(duì)零件質(zhì)量和產(chǎn)品性能有著極為重要的影響。 以加工表面粗糙度與切削用量三要素的關(guān)系為對(duì)象， 采用正交試驗(yàn)方法， 利用立方氮化硼刀具對(duì)冷作模具鋼 Cr12MoV 進(jìn)行硬態(tài)干式車(chē)削試驗(yàn)，測(cè)量得到選定參數(shù)條件下的加工表面粗糙度值，并應(yīng)用人工智能神經(jīng)網(wǎng)絡(luò)方 法建立了加工表面粗糙度預(yù)測(cè)模型。結(jié)果表明，該預(yù)測(cè)模型具有很好的預(yù)測(cè)精度， 其最大誤差不超過(guò) 5% 。模 型可以對(duì)不同切削速度、 進(jìn)給量和切削深度參數(shù)組合下加工后的表面粗糙度進(jìn)行預(yù)測(cè)，對(duì)干式硬車(chē)條件下的切 削用量選擇和零件表面質(zhì)量的控制具有重要指導(dǎo)意義。
標(biāo)簽： 基于神經(jīng)網(wǎng)絡(luò)的車(chē)削加工表面粗糙度智能預(yù)測(cè)
上傳時(shí)間： 2016-03-20
上傳用戶(hù)：happycats
小弟撰寫(xiě)的類(lèi)神經(jīng)網(wǎng)路backpropagataion,可以train如xor等互斥問(wèn)題,使用bcb所完成,因?yàn)殚_(kāi)發(fā)介面較為便利, 大部分使用類(lèi)別的方法撰寫(xiě),所以若有興趣移植到vc的朋友,應(yīng)該也不會(huì)有太大的障礙。
標(biāo)簽： backpropagataion train bcb xor
上傳時(shí)間： 2013-12-30
上傳用戶(hù)：jeffery
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
標(biāo)簽： SOM LVQ ART 方式
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
標(biāo)簽： toolbox matlab RBF
上傳時(shí)間： 2016-07-22
上傳用戶(hù)：daguda
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
