遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)遺傳算法程序視頻 
主要內(nèi)容包括：BP神經(jīng)網(wǎng)絡(luò)算法工具箱三個函數(shù)功能與語法，BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于非線性函數(shù)擬合與預(yù)測問題，遺傳算法三個算子與函數(shù)ga功能及語法，遺傳算法應(yīng)用于尋求多個極值點的最小值解問題，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法流程與3個模塊與程序分析，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法求解擬合及預(yù)測問題，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法分析自己實際數(shù)據(jù)與程序通用，GAOT工具箱函數(shù)處理GA優(yōu)化BP分析預(yù)測及識別應(yīng)用問題，
1434 2
鄭一 ??? 8年前
BP神經(jīng)網(wǎng)絡(luò)算法與MATLAB程序詳解視頻手寫數(shù)字識別腫瘤診斷股票預(yù)測 
主要內(nèi)容包括：神經(jīng)網(wǎng)絡(luò)基本概念，BP神經(jīng)網(wǎng)絡(luò)進行音樂信號識別分類及程序詳解(用語句型的程序同時用工具箱函數(shù)對比分析)，標(biāo)準(zhǔn)BP算法程序?qū)Ρ确治龈郊觿恿?em>BP算法與變學(xué)習(xí)率BP算法，BP神經(jīng)網(wǎng)絡(luò)算法的理論推導(dǎo)，BP神經(jīng)網(wǎng)絡(luò)算法的MATLAB工具箱函數(shù)介紹及訓(xùn)練窗口解讀，BP神經(jīng)網(wǎng)絡(luò)作建模擬合預(yù)測，BP回歸預(yù)測分析未來幾天上證指數(shù)，BP神經(jīng)網(wǎng)絡(luò)篩選主元空間降維，乳腺腫瘤診斷的建模及篩選主要影響因素，利用BP
1546 3
鄭一 ??? 8年前
225 基于matlab的天牛須優(yōu)化算法及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化 
基于matlab的天牛須優(yōu)化算法及其對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化，優(yōu)化后的閥值權(quán)值賦予網(wǎng)絡(luò)預(yù)測。最后輸出BP和BAS-BP訓(xùn)練和預(yù)測結(jié)果。程序已調(diào)通，可直接運行。
2101
matlab應(yīng)用與學(xué)習(xí) ??? 2年前
第二課 matlab BP神經(jīng)網(wǎng)絡(luò)做預(yù)測數(shù)據(jù)實戰(zhàn) 
胖子愛學(xué)習(xí)開課了本課程適用于想學(xué)或想進行matlab做BP神經(jīng)網(wǎng)絡(luò)回歸分析的同學(xué)們，課程包含操作實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)據(jù)實戰(zhàn)，相應(yīng)大家可以通過學(xué)習(xí)拓展到股票分析等其他預(yù)測應(yīng)用上，希望能長久的和大家一起學(xué)習(xí)進步。每一期視頻都會上傳相應(yīng)的可運行的源碼附件。
95
胖子愛學(xué)習(xí) ??? 7年前
十分鐘學(xué)會使用matlab搭建簡易的bp神經(jīng)網(wǎng)絡(luò) 
介紹了bp神經(jīng)網(wǎng)絡(luò)的原理和matlab代碼的簡易實現(xiàn)
565
活潑可男_matlab教學(xué) ??? 1年前
1-70基于matlab的BP神經(jīng)網(wǎng)絡(luò)多輸入單輸出數(shù)據(jù)結(jié)果預(yù)測 
基于matlab的BP神經(jīng)網(wǎng)絡(luò)多輸入單輸出數(shù)據(jù)結(jié)果預(yù)測，輸出結(jié)果包括均方根誤差，決定系數(shù)。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運行。購買后可下載視頻中的源程序文件。
403
matlab應(yīng)用與學(xué)習(xí) ??? 1年前
人工神經(jīng)網(wǎng)絡(luò)（ANN）（網(wǎng)絡(luò)架構(gòu)）-4
常見的架構(gòu)包括：o 前饋神經(jīng)網(wǎng)絡(luò)（Feedforward Neural Networks）：這是最簡單的ANN架構(gòu)，信息從輸入層單向流動到輸出層。各層是全連接的，即一層中的每個神經(jīng)元都與下一層的所有神經(jīng)元相連。o 循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks，簡稱RNNs）：這些網(wǎng)絡(luò)具有“記憶”組件，信息可以在網(wǎng)絡(luò)中循環(huán)流動。
2538 2 1
仿真資料吧 ??? 1年前
顯式有限元-神經(jīng)網(wǎng)絡(luò)框架及神經(jīng)網(wǎng)絡(luò)預(yù)測應(yīng)力誤差分析 
首先，將神經(jīng)網(wǎng)絡(luò)在IME模型（Isotropic elastic, von-Mises yield surface and Exponential hardening）模擬得到的數(shù)據(jù)集上訓(xùn)練。然后將神經(jīng)網(wǎng)絡(luò)嵌入到顯式FEM中計算，下圖展示神經(jīng)網(wǎng)絡(luò)重現(xiàn)IME模型的模擬結(jié)果。
2961
小白Johnny ??? 2年前
70基于matlab的BP神經(jīng)網(wǎng)絡(luò)多輸入單輸出數(shù)據(jù)結(jié)果預(yù)測，輸出結(jié)果包括均方根誤差，決定系數(shù)。 
基于matlab的BP神經(jīng)網(wǎng)絡(luò)多輸入單輸出數(shù)據(jù)結(jié)果預(yù)測，輸出結(jié)果包括均方根誤差，決定系數(shù)。數(shù)據(jù)可更換自己的，程序已調(diào)通，可直接運行。
1776
matlab應(yīng)用與學(xué)習(xí) ??? 2年前
人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）-Python中實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程 
當(dāng)一個神經(jīng)元向另一個神經(jīng)元發(fā)送興奮性信號時，該信號將被添加到該神經(jīng)元的所有其他輸入中。如果它超過給定的閾值，那么它將導(dǎo)致目標(biāo)神經(jīng)元向前發(fā)射動作信號——這就是思考過程內(nèi)部的工作方式。</p><p>在計算機科學(xué)中，我們通過使用矩陣在計算機上創(chuàng)建 “網(wǎng)絡(luò)” 來模擬這個過程。這些網(wǎng)絡(luò)可以理解為神經(jīng)元的抽象，而沒有考慮所有生物復(fù)雜性。
2447 1
仿真資料吧 ??? 1年前
什么是神經(jīng)網(wǎng)絡(luò)？ 
? 神經(jīng)網(wǎng)絡(luò)是模擬人腦復(fù)雜功能的計算模型。神經(jīng)網(wǎng)絡(luò)由互連的節(jié)點或神經(jīng)元組成，它們處理數(shù)據(jù)并從中學(xué)習(xí)，從而支持機器學(xué)習(xí)中的模式識別和決策等任務(wù)。本文詳細探討了神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)的工作原理、架構(gòu)等。 目錄 神經(jīng)網(wǎng)絡(luò)的演變 什么是神經(jīng)網(wǎng)絡(luò)？ 神經(jīng)網(wǎng)絡(luò)的工作原理是什么？
2341 1
仿真資料吧 ??? 1年前
卷積神經(jīng)網(wǎng)絡(luò)簡介 
? ? 卷積神經(jīng)網(wǎng)絡(luò) （CNN） 是計算機視覺中常用的一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)架構(gòu)。計算機視覺是人工智能的一個領(lǐng)域，它使計算機能夠理解和解釋圖像或視覺數(shù)據(jù)。 在機器學(xué)習(xí)方面，人工神經(jīng)網(wǎng)絡(luò)表現(xiàn)非常出色。神經(jīng)網(wǎng)絡(luò)用于各種數(shù)據(jù)集，如圖像、音頻和文本。
2378 1
仿真資料吧 ??? 1年前
卷積神經(jīng)網(wǎng)絡(luò)（CNN）簡介-1 
卷積神經(jīng)網(wǎng)絡(luò)簡介卷積神經(jīng)網(wǎng)絡(luò)（CNN）是計算機視覺中常用的一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò) 架構(gòu)。計算機視覺是人工智能的一個領(lǐng)域，它使計算機能夠理解和解釋圖像或視覺數(shù)據(jù)。在機器學(xué)習(xí)方面，人工神經(jīng)網(wǎng)絡(luò) 表現(xiàn)非常出色。神經(jīng)網(wǎng)絡(luò)用于各種數(shù)據(jù)集，如圖像、音頻和文本。
2500 4 2
仿真資料吧 ??? 1年前
深度學(xué)習(xí)訓(xùn)練營-使用 Python、Pytorch 的神經(jīng)網(wǎng)絡(luò)
在這段旅程結(jié)束時，您將對神經(jīng)網(wǎng)絡(luò)有深入的了解，熟練應(yīng)用深度神經(jīng)網(wǎng)絡(luò) （DNN） 來解決實際問題，并在卷積神經(jīng)網(wǎng)絡(luò) （CNN） 和從 MRI 圖像檢測腦腫瘤等尖端深度學(xué)習(xí)應(yīng)用程序方面積累了專業(yè)知識。為什么選擇這門課程？本課程通過提供全面的學(xué)習(xí)路徑脫穎而出，該路徑融合了三個領(lǐng)先框架的基本方面：Python、PyTorch 和 TensorFlow。
3019 1
仿真資料吧 ??? 1年前
什么是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)？ 
另一方面，與卷積神經(jīng)網(wǎng)絡(luò) （CNN） 和遞歸神經(jīng)網(wǎng)絡(luò) （RNN） 等其他神經(jīng)網(wǎng)絡(luò)類型相比，它們專門用于處理圖像、序列和其他高維數(shù)據(jù)等復(fù)雜數(shù)據(jù)結(jié)構(gòu)，它們在深度學(xué)習(xí)中的使用頻率較低。?
2691 2 1
仿真資料吧 ??? 1年前
并使用Python構(gòu)建真實世界的神經(jīng)網(wǎng)絡(luò)模型
在本課程中，你將探索機器學(xué)習(xí)、人工智能與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識，包括數(shù)據(jù)驅(qū)動學(xué)習(xí)、算法選擇、模型訓(xùn)練和性能評估。你還將深入研究神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)概念，這些概念驅(qū)動著當(dāng)今最先進的技術(shù)，如自動駕駛汽車、推薦引擎、語音助手和圖像識別系統(tǒng)。
1435 1
仿真資料吧 ??? 4月前
神經(jīng)網(wǎng)絡(luò)芯片的未來發(fā)展，路在何方？ 
標(biāo)題意譯：支持細粒度任務(wù)劃分的基于脈動陣列的神經(jīng)網(wǎng)絡(luò)處理器一句話總結(jié)：在架構(gòu)設(shè)計中引入少量的額外電路，使得脈動陣列能夠支持細粒度的任務(wù)劃分；通過讓一個神經(jīng)網(wǎng)絡(luò)處理器同時完成多個網(wǎng)絡(luò)模型運算的方式，實現(xiàn)了硬件資源利用率的顯著提升。技術(shù)細節(jié)：對于神經(jīng)網(wǎng)絡(luò)加速器設(shè)計，通用性與專用性間最佳的平衡點究竟在哪？這是學(xué)術(shù)界與工業(yè)界都頗為關(guān)注的難題。
2961 1
平頭叔 ??? 3年前
讀懂自動駕駛卷積神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理 
過去我們接觸到了密集連接的神經(jīng)網(wǎng)絡(luò)。那些神經(jīng)網(wǎng)絡(luò)中，所有的神經(jīng)元被分成了若干組，形成了連續(xù)的層。每個這樣的單元都與相鄰層的每一個單獨的神經(jīng)元相連接。下圖所示的是這樣一個架構(gòu)。
2322 1
駕駛哥 ??? 4年前
遞歸神經(jīng)網(wǎng)絡(luò)解釋 
但是這種解決方案并不被視為問題的解決方案，也可能降低網(wǎng)絡(luò)的效率。為了解決這個問題，開發(fā)了遞歸神經(jīng)網(wǎng)絡(luò)的兩種主要變體——長短期記憶網(wǎng)絡(luò)和門控遞歸單元網(wǎng)絡(luò)。遞歸神經(jīng)網(wǎng)絡(luò) （RNN） 是一種人工神經(jīng)網(wǎng)絡(luò)，旨在處理順序數(shù)據(jù)。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同，RNN 可以在處理當(dāng)前狀態(tài)時考慮序列的先前狀態(tài)，從而允許它們對數(shù)據(jù)中的時間依賴關(guān)系進行建模。
2310
仿真資料吧 ??? 1年前
人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 
隨著數(shù)據(jù)從一個單元傳輸?shù)搅硪粋€單元，神經(jīng)網(wǎng)絡(luò)會越來越多地了解數(shù)據(jù)，最終導(dǎo)致輸出層的輸出。 ? 編輯 神經(jīng)網(wǎng)絡(luò)架構(gòu) 人類神經(jīng)元的結(jié)構(gòu)和作是人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。它也被稱為神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)的輸入層是第一層，它接收來自外部源的輸入并將其釋放到隱藏層，即第二層。
2574
仿真資料吧 ??? 1年前
20條/頁 
24 跳至頁
技術(shù)鄰APP
工程師必備
工程師必備
- 項目客服
- 培訓(xùn)客服
- 平臺客服
TOP
