bp神經(jīng)網(wǎng)絡(luò)算法是解決最優(yōu)化問題的先進(jìn)算法之一，本論文討論了神經(jīng)網(wǎng)絡(luò)中使用最為廣泛的前饋神經(jīng)網(wǎng)絡(luò)。其網(wǎng)絡(luò)權(quán)值學(xué)習(xí)算法中影響最大的就是誤差反向傳播算法（back-propagation簡稱BP算法）。BP算法存在局部極小點，收斂速度慢等缺點。基于優(yōu)化理論的Levenberg-Marquardt算法忽略了二階項。該文討論當(dāng)誤差不為零或者不為線性函數(shù)即二階項S(W)不能忽略時的Hesse矩陣的近似計算，進(jìn)而訓(xùn)練網(wǎng)絡(luò)。
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò)算法 算法
上傳時間： 2015-12-31
上傳用戶：wendy15
Floyd-Warshall算法描述 1)適用范圍： a)APSP(All Pairs Shortest Paths) b)稠密圖效果最佳 c)邊權(quán)可正可負(fù) 2)算法描述： a)初始化：dis[u,v]=w[u,v] b)For k:=1 to n For i:=1 to n For j:=1 to n If dis[i,j]>dis[i,k]+dis[k,j] Then Dis[I,j]:=dis[I,k]+dis[k,j] c)算法結(jié)束：dis即為所有點對的最短路徑矩陣 3)算法小結(jié)：此算法簡單有效，由于三重循環(huán)結(jié)構(gòu)緊湊，對于稠密圖，效率要高于執(zhí)行|V|次Dijkstra算法。時間復(fù)雜度O(n^3)。 考慮下列變形：如(I,j)∈E則dis[I,j]初始為1,else初始為0，這樣的Floyd算法最后的最短路徑矩陣即成為一個判斷I,j是否有通路的矩陣。更簡單的，我們可以把dis設(shè)成boolean類型，則每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”來代替算法描述中的藍(lán)色部分，可以更直觀地得到I,j的連通情況。
標(biāo)簽： Floyd-Warshall Shortest Pairs Paths
上傳時間： 2013-12-01
上傳用戶：dyctj
數(shù)據(jù)結(jié)構(gòu) 1、算法思路： 哈夫曼樹算法：a）根據(jù)給定的n個權(quán)值{W1，W2… ，Wn }構(gòu)成 n棵二叉樹的集合F={T1，T2…，T n }，其中每棵二叉樹T中只有一個帶權(quán)為W i的根結(jié)點，其左右子樹均空；b）在F中選取兩棵根結(jié)點的權(quán)值最小的樹作為左右子樹構(gòu)造一棵新的二叉樹，且置新的二叉樹的根結(jié)點的權(quán)值為其左、右子樹上結(jié)點的權(quán)值之和；c）F中刪除這兩棵樹，同時將新得到的二叉樹加入F中； d）重復(fù)b)和c),直到F只含一棵樹為止。
標(biāo)簽： 算法 W1 數(shù)據(jù)結(jié)構(gòu) 樹
上傳時間： 2016-03-05
上傳用戶：lacsx
設(shè)計一FIR低通濾波器 0=<|w|<=0.25Pi,輸入n代表FIR濾波器的長度,輸出H(ejw)幅度值,N代表輸出數(shù),Hbs[N]存放H(ejw)的幅度值,h[n]存放H[z]的系數(shù),算法采用Hamming窗函數(shù)
上傳時間： 2016-06-28
上傳用戶：a6697238
若不希望用與估計輸入信號矢量有關(guān)的相關(guān)矩陣來加快LMS算法的收斂速度，那么可用變步長方法來縮短其自適應(yīng)收斂過程，其中一個主要的方法是歸一化LMS算法（NLMS算法），變步長 的更新公式可寫成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示濾波權(quán)矢量迭代更新的調(diào)整量。為了達(dá)到快速收斂的目的，必須合適的選擇變步長 的值，一個可能策略是盡可能多地減少瞬時平方誤差，即用瞬時平方誤差作為均方誤差的MSE簡單估計，這也是LMS算法的基本思想。
上傳時間： 2016-07-07
上傳用戶：changeboy
Digital Signature Algorithm (DSA)是Schnorr和ElGamal簽名算法的變種，被美國NIST作為DSS(DigitalSignature Standard)。算法中應(yīng)用了下述參數(shù)： p：L bits長的素數(shù)。L是64的倍數(shù)，范圍是512到1024； q：p - 1的160bits的素因子； g：g = h^((p-1)/q) mod p，h滿足h < p - 1, h^((p-1)/q) mod p > 1； x：x < q，x為私鑰 ； y：y = g^x mod p ，( p, q, g, y )為公鑰； H( x )：One-Way Hash函數(shù)。DSS中選用SHA( Secure Hash Algorithm )。 p, q, g可由一組用戶共享，但在實際應(yīng)用中，使用公共模數(shù)可能會帶來一定的威脅。簽名及驗證協(xié)議如下： 1. P產(chǎn)生隨機(jī)數(shù)k，k < q； 2. P計算 r = ( g^k mod p ) mod q s = ( k^(-1) (H(m) + xr)) mod q 簽名結(jié)果是( m, r, s )。 3. 驗證時計算 w = s^(-1)mod q u1 = ( H( m ) * w ) mod q u2 = ( r * w ) mod q v = (( g^u1 * y^u2 ) mod p ) mod q 若v = r，則認(rèn)為簽名有效。 DSA是基于整數(shù)有限域離散對數(shù)難題的，其安全性與RSA相比差不多。DSA的一個重要特點是兩個素數(shù)公開，這樣，當(dāng)使用別人的p和q時，即使不知道私鑰，你也能確認(rèn)它們是否是隨機(jī)產(chǎn)生的，還是作了手腳。RSA算法卻作不到。
標(biāo)簽： Algorithm Signature Digital Schnorr
上傳時間： 2014-01-01
上傳用戶：qq521
基于非負(fù)矩陣分解（NMF）的人臉特征提取算法，NMF基本思想是找到一個線性子空間W，使的構(gòu)成子空間的基本圖像的像素點都是正值，而且人臉圖像在子空間上的投影系數(shù)也是正數(shù)
標(biāo)簽： NMF 非負(fù)矩陣分解 人臉 特征提取
上傳時間： 2014-01-12
上傳用戶：moerwang
批處理感知器算法的代碼matlab w1=[1,0.1,1.1;1,6.8,7.1;1,-3.5,-4.1;1,2.0,2.7;1,4.1,2.8;1,3.1,5.0;1,-0.8,-1.3; 1,0.9,1.2;1,5.0,6.4;1,3.9,4.0]; w2=[1,7.1,4.2;1,-1.4,-4.3;1,4.5,0.0;1,6.3,1.6;1,4.2,1.9;1,1.4,-3.2;1,2.4,-4.0; 1,2.5,-6.1;1,8.4,3.7;1,4.1,-2.2]; w3=[1,-3.0,-2.9;1,0.5,8.7;1,2.9,2.1;1,-0.1,5.2;1,-4.0,2.2;1,-1.3,3.7;1,-3.4,6.2; 1,-4.1,3.4;1,-5.1,1.6;1,1.9,5.1]; figure; plot(w3(:,2),w3(:,3),'ro'); hold on; plot(w2(:,2),w2(:,3),'b+'); W=[w2;-w3];%增廣樣本規(guī)范化 a=[0,0,0]; k=0;%記錄步數(shù) n=1; y=zeros(size(W,2),1);%記錄錯分的樣本 while any(y<=0) k=k+1; y=a*transpose(W);%記錄錯分的樣本 a=a+sum(W(find(y<=0),:));%更新a if k >= 250 break end end if k<250 disp(['a為：',num2str(a)]) disp(['k為：',num2str(k)]) else disp(['在250步以內(nèi)沒有收斂，終止']) end %判決面：x2=-a2*x1/a3-a1/a3 xmin=min(min(w1(:,2)),min(w2(:,2))); xmax=max(max(w1(:,2)),max(w2(:,2))); x=xmin-1:xmax+1;%(xmax-xmin): y=-a(2)*x/a(3)-a(1)/a(3); plot(x,y)
上傳時間： 2016-11-07
上傳用戶：a1241314660
matlab數(shù)學(xué)建模算法全收錄 超清書簽版
標(biāo)簽： matlab 數(shù)學(xué)建模 收錄 算法
上傳時間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉(zhuǎn)換芯片的算法研究
標(biāo)簽： 視頻圖像 格式轉(zhuǎn)換 芯片 算法研究
上傳時間： 2013-05-25
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
