Sigmoid的參數(shù)求解matlab源代碼，可以嵌入到各種機(jī)器學(xué)習(xí)問(wèn)題中使用
標(biāo)簽： Sigmoid matlab 參數(shù) 源代碼
上傳時(shí)間： 2015-06-18
上傳用戶：Yukiseop
3－1 型Sigmoid網(wǎng)絡(luò)的matlab原程序，可以直接運(yùn)行
標(biāo)簽： Sigmoid matlab 網(wǎng)絡(luò) 程序
上傳時(shí)間： 2016-07-30
上傳用戶：lijianyu172
用bp神經(jīng)網(wǎng)絡(luò)對(duì)sin(x)擬合,隱含層采用Sigmoid函數(shù)，輸出層采用線性函數(shù),
標(biāo)簽： Sigmoid sin 神經(jīng)網(wǎng)絡(luò) 函數(shù)
上傳時(shí)間： 2016-08-06
上傳用戶：semi1981
用BP網(wǎng)絡(luò)完成函數(shù)的逼近 P網(wǎng)絡(luò)通常有一個(gè)或多個(gè)隱層，隱層中的神經(jīng)元均采用Sigmoid型變換函數(shù)，輸出層的神經(jīng)元采用純線性變換函數(shù)。本例應(yīng)用一個(gè)兩層BP網(wǎng)絡(luò)來(lái)完成函數(shù)逼近的任務(wù)，其中隱層的神經(jīng)元個(gè)數(shù)是5。
標(biāo)簽： BP網(wǎng)絡(luò) 函數(shù) 網(wǎng)絡(luò)
上傳時(shí)間： 2014-11-28
上傳用戶：woshini123456
用BP網(wǎng)絡(luò)完成函數(shù)的逼近。BP網(wǎng)絡(luò)通常有一個(gè)或多個(gè)隱層，隱層中的神經(jīng)元均采用Sigmoid型變換函數(shù)，輸出層的神經(jīng)元采用純線性變換函數(shù)。本例應(yīng)用一個(gè)兩層BP網(wǎng)絡(luò)來(lái)完成函數(shù)逼近的任務(wù)，其中隱層的神經(jīng)元個(gè)數(shù)是5。
標(biāo)簽： BP網(wǎng)絡(luò) 函數(shù)
上傳時(shí)間： 2013-12-27
上傳用戶：頂?shù)弥?/p>
神經(jīng)網(wǎng)絡(luò)的樣本值對(duì)整個(gè)網(wǎng)絡(luò)能否正常運(yùn)行及誤差的大小非常重要，因此本程序不采用讓用戶自己輸入樣本植的方法，而自動(dòng)設(shè)定了樣本值 該網(wǎng)絡(luò)采用的作用函數(shù)為Sigmoid函數(shù)，即f(x)=1/(1+e-x)。網(wǎng)絡(luò)先對(duì)輸入的樣本值進(jìn)行訓(xùn)練，當(dāng)達(dá)到規(guī)定的訓(xùn)練次數(shù)或者網(wǎng)絡(luò)的整體誤差達(dá)到規(guī)定的精確度時(shí)就停止訓(xùn)練。此后，可以輸入成績(jī)運(yùn)行網(wǎng)絡(luò)得出運(yùn)行結(jié)果。
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 樣本 正 網(wǎng)絡(luò)
上傳時(shí)間： 2013-12-05
上傳用戶：cuibaigao
Probability distribution functions. estimation - (dir) Probability distribution estimation. dsamp - Generates samples from discrete distribution. erfc2 - Normal cumulative distribution function. gmmsamp - Generates sample from Gaussian mixture model. gsamp - Generates sample from Gaussian distribution. cmeans - C-means (or K-means) clustering algorithm. mahalan - Computes Mahalanobis distance. pdfgauss - Computes probability for Gaussian distribution. pdfgmm - Computes probability for Gaussian mixture model. Sigmoid - Evaluates Sigmoid function.
標(biāo)簽： distribution Probability estimation functions
上傳時(shí)間： 2016-04-28
上傳用戶：13188549192
一種基于BP算法學(xué)習(xí)的小波神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)隱層采用框架小波函數(shù)、輸出層采用Sigmoid 激勵(lì)函數(shù), 并選用“熵誤差函數(shù)”以加速網(wǎng)絡(luò)的學(xué)習(xí)速度。
標(biāo)簽： BP算法 小波神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2016-05-04
上傳用戶：TF2015
三層前饋神經(jīng)網(wǎng)絡(luò)的BP算法。程序具有以下功能： （1） 允許選擇各層節(jié)點(diǎn)數(shù)； （2） 允許選用不同的學(xué)習(xí)率η； （3） 能對(duì)權(quán)值進(jìn)行初始化，初始化用[-1、1]區(qū)間的隨機(jī)數(shù)； （4）允許選用單極性和雙極性?xún)煞N不同Sigmoid型轉(zhuǎn)移函數(shù)。
標(biāo)簽： 前饋 BP算法 初始化 神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間： 2014-08-04
上傳用戶：saharawalker
基于PSO的BP訓(xùn)練算法論文：在BP訓(xùn)練算法中，關(guān)于變權(quán)值、學(xué)習(xí)速率、步長(zhǎng)的問(wèn)題已被廣泛地研究，幾種基于啟發(fā)式改進(jìn)的技術(shù)也表明具有改善訓(xùn)練時(shí)間以及避免陷入局部最小的明顯效果。這里BP訓(xùn)練過(guò)程由基于PSO同時(shí)優(yōu)化log—Sigmoid函數(shù)與網(wǎng)絡(luò)權(quán)值的新算 法(PSO。GainBP)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，PSO—GainBP比傳統(tǒng)基于PSO的BP算法在網(wǎng)絡(luò)訓(xùn)練方面具有更好的性能。
上傳時(shí)間： 2017-01-19
上傳用戶：rishian
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
