利用粒子群算法（PSO）对BP神经网络模型进行优化，可以对数据进行仿真训练，可以对变形监测以及其他领域的数据进行预测，实验结果表明粒子群算法（PSO）对BP神经网络模型比BP神经网络模型有着更好的预测
这本《人工神经网络的模型及应用》是复旦大学出版社出版，张立明编著，全书241页，为PDF扫描版，英文名“ModelsandApplicationofArtificialNeuralNetworks”
人工神经网络中最简单的模型,感知机(perceptron)是二分类的线性分类模型,属于监督学习算法,输入为实例的特征向量,输出为实例的类别(取+1和-1)。
神经网络模型及算法简介.ppt
BP 神经网络结构及算法 1986年Rumelhart和McCelland领导的科学家小组在Parallel Distributed Processing 一书中对具有非线性连续转移函数的多层前馈网络
能够在Matlab下，实现bp神经网络模型的初步构建，但具体参数和代码细节需要数据相关信息完善。
基于神经网络的文字识别模型，李爽，，智能型系统的研究一直是21世纪的研究热门，对于文字、图像等的识别也一直是人们研究的热点。目前，已经有很多的方面都应用了识别�
基于神经网络的离散选择模型，郑丕谔，舒柏晛，离散选择模型的计量求解通常采用基于prohit分布和logistic分布的两种方法，而这两种方法都有一定的不足。为了使问题的求解方法更具一�
灰色神经网络模型预测冰箱订单数量，数据文件data.mat中矩阵X为36行6列，第一列为订单数，2-6列为需求趋势、市场份额、售价、缺货情况和分销商等属性。
程序里面包含了说明文档，可以做一些基本实验，代码注释十分详细，也供参考和大家一起学习
用户评论