自适应神经网络判决树及其在人脸识别领域的应用

深度卷积神经网络在车牌和人脸检测领域的应用研究

随着深度学习的发展，近年来人脸识别借助深度学习技术取得了巨大突破。但是在已有的基于深度学习的人脸识别框架中，各个任务（人脸鉴别、认证和属性分类等）都是相互独立设计、运作的，使得整体算法低效、耗时。针对

人工神经网络峰值识别理论及其在洪水预报中的应用

自适应变异粒子群算法具备了基本粒子群算法和遗传算法优点,用此算法寻找BP网络较好的网络权值和阈值,使得BP网络的全局误差最小化,不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限, 而且模型的精

文中描述了三种方法经典BP算法及经过改进够得神经网络动量-自适应学习率BP算法的对比，可以用来借鉴

人工神经网络的人脸识别方法的研究～～··

基于MATLAB神经网络的人脸朝向识别，本程序包含两种方案，一种是特征提取算法，一种是人眼定位算法。本程序已附属数据库图片，只需把程序中的路径改一下就可以。

提出了一种应用于跨年龄人脸识别的联合学习方法，该方法由深度卷积神经网络构建而成，能在特征学习的同时学习到最优的测度函数，从而避免不合适的固定阈值所带来的匹配错误．针对有限的内存、过拟合和计算复杂性高的

建立了一种RBF神经网络的自适应学习模型。该模型事先不需要确定隐层节点的中心位置和数量,而是在学习过程中,根据相应的添加策略和删除策略,自适应地增加或减少隐层节点的数量。最终形成的网络不仅结构简单,精

基于模糊神经网络的多传感器自适应模糊神经融合传感器