搜索资源列表
三层BP神经网络逼近非线性函数
- 内容如题，其中BP神经网络的建立采用自编函数，而非Matlab自带的神经网络建立函数
基于RBF神经网络的CPI预测
- 采用RBF神经网络的结构、特性和训练算法，根据CPI(消费者物价指数)与其影响因素之间存在的映射关系，应用神经 网络建立了多因素非线性时间序列预测模型。最后通过仿真实验和研究，把RBF神经网络与传统的BP网络预测结果进行比较，结果证明，该模型的预测精确度更高，结果令人满意。
BP神经网络非线性系统建模
- 基于BP神经网络的非线性系统函数拟合算法,分为BP神经网络构建,BP神经网络训练和BP神经网络预测.
基于FIR神经网络的非线性盲信号分离
- 基于FIR神经网络的非线性盲信号分离-FIR based on the nonlinear neural network Blind Signal Separation
神经网络和遗传算法在水科学领域的应用
- 神经网络和遗传算法在水科学领域的应用-neural networks and genetic algorithms in the field of water science applications
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Koho
神经网络学习的二维非线性函数
- 神经网络学习二维非线性函数 ,多维非线性辨识的MATLAB程序-neural network learning 2D nonlinear function, multi-dimensional nonlinear identification procedures MATLAB
遗传算法优化BP神经网络-非线性函数拟合
- 进行非线性函数拟合且用遗传算法对BP神经网络进行优化(The nonlinear function is fitted and the BP neural network is optimized by genetic algorithm)
RBF网络的回归-非线性函数回归的实现
- 利用RBF神经网络对非线性函数进行回归分析(The nonlinear function is regressed by RBF neural network)
非线性网络
- 非线性网络MATLAB程序实现，需要的可以下载(matlab program non liner)
遗传算法优化BP神经网络-非线性函数拟合
- 基于遗传算法优化神经网络进行故障诊断的研究(Genetic neural network optimization)
BP神经网络的非线性系统建模-非线性函数拟合
- BP神经网络的非线性系统建模-非线性函数拟合(Nonlinear system modeling of BP neural networks nonlinear function fitting)
遗传算法优化BP神经网络-非线性函数拟合
- 遗传算法优化BP神经网络-非线性函数拟合(Genetic algorithm optimization BP neural network nonlinear function fitting)
MATLAB+神经网络超级学习手册-程序代码
- 神经网络学习必备，可以解决大部分非线性问题(Neural network learning essential, you can solve most of the nonlinear problems)
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are of
遗传算法优化BP神经网络——非线性函数拟合
- 遗传算法优化 BP 神经网络分为 BP 神经网络结构确定、遗传算法优化和 BP 神经网络预 测 3 个部分。 BP 神经网络预测用遗传算法得到最优个体对网络初始权值和阔值赋值，网络经训练后预测函数输出。(Genetic algorithm optimization BP neural network is divided into 3 parts: BP neural network structure determination, g
遗传算法优化RBF神经网络
- 遗传算法优化RBF神经网络逼近非线性函数，具有较好的效果(Genetic algorithm, optimization, RBF neural network, approximation)
BP神经网络的非线性系统建模_非线性函数拟合
- BP神经网络构建根据拟合非线性函数特点确定BP神经网络结构，由于该非线性函数有两个输入参数，一个输出参数，所以BP神经网络结构为2—5—1，即输入层有2个节点，隐含层有5个节点，输出层有1个节点。 从非线性函数中随机得到2000组输入输出数据，从中随机选择1900组作为训练数据，用于网络训练，100组作为测试数据，用于测试网络的拟合性能。(Construction of BP neural network for nonlinear
BP神经网络的非线性系统建模-非线性函数拟合
- BP神经网络的非线性系统建模-非线性函数拟合(Nonlinear system modeling of BP neural network nonlinear function fitting)