搜索资源列表
误差反传算法优化模糊神经网络源代码
- 调用数据文件：训练数据mydata.mat和网络参数datas.mat 然后直接运行fuzzynet.m函数进行训练
rl
- 人工神经网络(Aartificial Neural Network，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家Warren S.Mcculloch和数学家Walth H.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型
bp_fortran1
- BP神经网络FORTRAN源代码。 BP算法由两部分组成：信息的正向传递与误差的反向传播。在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层没有得到期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传过来修改各层神经元的权值直至达到期望目标。 -BP neural network FORTRAN source code.
bp
- bp算法（误差反传算法） 解决分类问题 通过一层输入，一层输出 和一个隐层-bp algorithm (error back propagation algorithm) to solve the classification problem by a layer of input, output, and a hidden layer
BP_network
- BP神经网络，用于实现简单的二次函数的模拟，其具体的训练算法是误差反传-BP neural network, which is trained by error back-propagation algorithm, this example shows a simple quadratic function model.
HW1502-linear-regression
- 使用神经网络进行机器学习 神经网络 机器学习 误差反传训练算法-Using neural networks for machine learning neural network machine learning error back propagation training algorithm