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(gè)函數(shù)功能與語(yǔ)法，BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于非線(xiàn)性函數(shù)擬合與預(yù)測(cè)問(wèn)題，遺傳算法三個(gè)算子與函數(shù)ga功能及語(yǔ)法，遺傳算法應(yīng)用于尋求多個(gè)極值點(diǎn)的最小值解問(wèn)題，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法流程與3個(gè)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(cè)問(wèn)題，遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法分析自己實(shí)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(cè)及識(shí)別應(yīng)用問(wèn)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(xiě)數(shù)字識(shí)別腫瘤診斷股票預(yù)測(cè) 
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(jìn)行音樂(lè)信號(hào)識(shí)別分類(lèi)及程序詳解(用語(yǔ)句型的程序同時(shí)用工具箱函數(shù)對(duì)比分析)，標(biāo)準(zhǔn)BP算法程序?qū)Ρ确治龈郊觿?dòng)量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(cè)，BP回歸預(yù)測(cè)分析未來(lái)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(duì)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(duì)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(cè)。最后輸出BP和BAS-BP訓(xùn)練和預(yù)測(cè)結(jié)果。程序已調(diào)通，可直接運(yùn)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(cè)數(shù)據(jù)實(shí)戰(zhàn) 
胖子愛(ài)學(xué)習(xí)開(kāi)課了本課程適用于想學(xué)或想進(jìn)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(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)數(shù)據(jù)實(shí)戰(zhàn)，相應(yīng)大家可以通過(guò)學(xué)習(xí)拓展到股票分析等其他預(yù)測(cè)應(yīng)用上，希望能長(zhǎng)久的和大家一起學(xué)習(xí)進(jìn)步。每一期視頻都會(huì)上傳相應(yīng)的可運(yùn)行的源碼附件。
95
胖子愛(ài)學(xué)習(xí) ??? 7年前
十分鐘學(xué)會(huì)使用matlab搭建簡(jiǎn)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(jiǎn)易實(shí)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(cè) 
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(cè)，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(yùn)行。購(gòu)買(mǎi)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(jiàn)的架構(gòu)包括：o 前饋神經(jīng)網(wǎng)絡(luò)（Feedforward Neural Networks）：這是最簡(jiǎn)單的ANN架構(gòu)，信息從輸入層單向流動(dòng)到輸出層。各層是全連接的，即一層中的每個(gè)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(jiǎn)稱(chēng)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(dòng)。
2536 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(cè)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(jì)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(cè)，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(cè)，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(yùn)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(jiǎn)稱(chēng)ANNs）-Python中實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程 
當(dāng)一個(gè)神經(jīng)元向另一個(gè)神經(jīng)元發(fā)送興奮性信號(hào)時(shí)，該信號(hào)將被添加到該神經(jīng)元的所有其他輸入中。如果它超過(guò)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(dòng)作信號(hào)——這就是思考過(guò)程內(nèi)部的工作方式。</p><p>在計(jì)算機(jī)科學(xué)中，我們通過(guò)使用矩陣在計(jì)算機(jī)上創(chuàng)建 “網(wǎng)絡(luò)” 來(lái)模擬這個(gè)過(guò)程。這些網(wǎng)絡(luò)可以理解為神經(jīng)元的抽象，而沒(méi)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(jì)算模型。神經(jīng)網(wǎng)絡(luò)由互連的節(jié)點(diǎn)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(jī)器學(xué)習(xí)中的模式識(shí)別和決策等任務(wù)。本文詳細(xì)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？
2338 1
仿真資料吧 ??? 1年前
卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 
? ? 卷積神經(jīng)網(wǎng)絡(luò) （CNN） 是計(jì)算機(jī)視覺(jué)中常用的一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)架構(gòu)。計(jì)算機(jī)視覺(jué)是人工智能的一個(gè)領(lǐng)域，它使計(jì)算機(jī)能夠理解和解釋圖像或視覺(jué)數(shù)據(jù)。 在機(jī)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(jiǎn)介-1 
卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介卷積神經(jīng)網(wǎng)絡(luò)（CNN）是計(jì)算機(jī)視覺(jué)中常用的一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò) 架構(gòu)。計(jì)算機(jī)視覺(jué)是人工智能的一個(gè)領(lǐng)域，它使計(jì)算機(jī)能夠理解和解釋圖像或視覺(jué)數(shù)據(jù)。在機(jī)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(yíng)-使用 Python、Pytorch 的神經(jīng)網(wǎng)絡(luò)
在這段旅程結(jié)束時(shí)，您將對(duì)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(lái)解決實(shí)際問(wèn)題，并在卷積神經(jīng)網(wǎng)絡(luò) （CNN） 和從 MRI 圖像檢測(cè)腦腫瘤等尖端深度學(xué)習(xí)應(yīng)用程序方面積累了專(zhuān)業(yè)知識(shí)。為什么選擇這門(mén)課程？本課程通過(guò)提供全面的學(xué)習(xí)路徑脫穎而出，該路徑融合了三個(gè)領(lǐng)先框架的基本方面：Python、PyTorch 和 TensorFlow。
3018 1
仿真資料吧 ??? 1年前
神經(jīng)網(wǎng)絡(luò)芯片的未來(lái)發(fā)展，路在何方？ 
標(biāo)題意譯：支持細(xì)粒度任務(wù)劃分的基于脈動(dòng)陣列的神經(jīng)網(wǎng)絡(luò)處理器一句話(huà)總結(jié)：在架構(gòu)設(shè)計(jì)中引入少量的額外電路，使得脈動(dòng)陣列能夠支持細(xì)粒度的任務(wù)劃分；通過(guò)讓一個(gè)神經(jīng)網(wǎng)絡(luò)處理器同時(shí)完成多個(gè)網(wǎng)絡(luò)模型運(yùn)算的方式，實(shí)現(xiàn)了硬件資源利用率的顯著提升。技術(shù)細(xì)節(jié)：對(duì)于神經(jīng)網(wǎng)絡(luò)加速器設(shè)計(jì)，通用性與專(zhuān)用性間最佳的平衡點(diǎn)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。
2960 1
平頭叔 ??? 3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(lèi)型相比，它們專(zhuān)門(mén)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?cè)谏疃葘W(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(shí)世界的神經(jīng)網(wǎng)絡(luò)模型
在本課程中，你將探索機(jī)器學(xué)習(xí)、人工智能與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，包括數(shù)據(jù)驅(qū)動(dòng)學(xué)習(xí)、算法選擇、模型訓(xùn)練和性能評(píng)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(dòng)著當(dāng)今最先進(jìn)的技術(shù)，如自動(dòng)駕駛汽車(chē)、推薦引擎、語(yǔ)音助手和圖像識(shí)別系統(tǒng)。
1435 1
仿真資料吧 ??? 4月前
人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 
隨著數(shù)據(jù)從一個(gè)單元傳輸?shù)搅硪粋€(gè)單元，神經(jīng)網(wǎng)絡(luò)會(huì)越來(lái)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(lèi)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(chēng)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(lái)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
讀懂自動(dòng)駕駛卷積神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理 
過(guò)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(gè)這樣的單元都與相鄰層的每一個(gè)單獨(dú)的神經(jīng)元相連接。下圖所示的是這樣一個(gè)架構(gòu)。
2321 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(wèn)題的解決方案，也可能降低網(wǎng)絡(luò)的效率。為了解決這個(gè)問(wèn)題，開(kāi)發(fā)了遞歸神經(jīng)網(wǎng)絡(luò)的兩種主要變體——長(zhǎng)短期記憶網(wǎng)絡(luò)和門(mén)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(shí)考慮序列的先前狀態(tài)，從而允許它們對(duì)數(shù)據(jù)中的時(shí)間依賴(lài)關(guān)系進(jìn)行建模。
2310
仿真資料吧 ??? 1年前
20條/頁(yè) 
24 跳至頁(yè)
技術(shù)鄰APP
工程師必備
工程師必備
- 項(xiàng)目客服
- 培訓(xùn)客服
- 平臺(tái)客服
TOP
