<sup id="g6yu6"></sup>
類神經(jīng)網(wǎng)路的基本運算-TLU,為所有學(xué)習(xí)類神經(jīng)入門的的第一個演算法,單一的neural做簡易的training,雖無法解xor的問題,但卻是人類史上的類神經(jīng)的第一步.
標(biāo)簽： training neural TLU xor
上傳時間： 2015-12-02
上傳用戶：851197153
內(nèi)涵模糊理論與類神經(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
上傳時間： 2013-12-24
上傳用戶：yyyyyyyyyy
類神經(jīng)網(wǎng)路的BK演算法，已驗證過可以使用。
標(biāo)簽： 算法
上傳時間： 2016-10-23
上傳用戶：kr770906
類神經(jīng)網(wǎng)路的RBF這對於任何研究都非常之友幫助歡迎下載內(nèi)有說明
標(biāo)簽： RBF
上傳時間： 2014-01-04
上傳用戶：英雄
C++神經(jīng)網(wǎng)絡(luò)，c++，BP網(wǎng)絡(luò)模型，適用于多對一
標(biāo)簽：
上傳時間： 2017-04-09
上傳用戶：iswlkje
表面粗糙度是機械加工工藝中主要的技術(shù)參數(shù)， 對零件質(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)系為對象， 采用正交試驗方法， 利用立方氮化硼刀具對冷作模具鋼 Cr12MoV 進(jìn)行硬態(tài)干式車削試驗，測量得到選定參數(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)測模型。結(jié)果表明，該預(yù)測模型具有很好的預(yù)測精度， 其最大誤差不超過 5% 。模 型可以對不同切削速度、 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，對干式硬車條件下的切 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)的車削加工表面粗糙度智能預(yù)測
上傳時間： 2016-03-20
上傳用戶：happycats
小弟撰寫的類神經(jīng)網(wǎng)路backpropagataion,可以train如xor等互斥問題,使用bcb所完成,因為開發(fā)介面較為便利, 大部分使用類別的方法撰寫,所以若有興趣移植到vc的朋友,應(yīng)該也不會有太大的障礙。
標(biāo)簽： backpropagataion train bcb xor
上傳時間： 2013-12-30
上傳用戶：jeffery
有SOM、LVQ、ART三種不同方式的類神經(jīng)網(wǎng)路可以參考的實例
標(biāo)簽： SOM LVQ ART 方式
上傳時間： 2016-01-25
上傳用戶：qwe1234
機率神經(jīng)網(wǎng)路分類器之高階合成。對研究概率神經(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
上傳時間： 2016-04-07
上傳用戶：jcljkh
類神經(jīng)網(wǎng)路中的RBF matlab toolbox
標(biāo)簽： toolbox matlab RBF
上傳時間： 2016-07-22
上傳用戶：daguda
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<strike id="a6ycc"></strike>
