暂无评论
用BP算法实现函数逼近。说明：1）网络结构为三层（输入层、1个隐层和输出层）2）获取两组数据，一组作为训练集，一组作为测试集3）用训练集训练网络4）用测试集检验训练结果
两层BP网络进行函数逼近，其网络的隐层各神经元的激活函数为双曲正切型，输出层各神经元的激活函数为线性函数，隐层各有5个神经元，并有如下21组单输入矢量和相对应的目标矢量：输入向量为P=[-1:0.1:
利用Matlab神经模糊推理系统y=0.5*sin(pi*x)+0.3*sin(3*pi*x)+0.1*sin(5*pi*x)非线性函数进行逼近
自己做的一个BP神经网络程序,是基于VC代码,可以作为网络神经爱好者或者毕业论文学习者下载
应用神经网络工具箱编的程序,鉴于水平有限,敬请指正。
关于BP神经网络的学习心得。参考了CSDN和简书上部分博主的资料。因为参考资料过多,没有整理出处,不会用于商业用途,只是自己用于记录学习笔记,如果有侵权的话,联系我之后会删除
训练样本在learn中,识别样本为x.bmp 开发使用的QT版本为5.0 总体样本容量为原始样本的30倍,除却原始样本外其他为随机噪声样本 使用大样本容量+乱序方式消除样本顺序影响 S型函数选用1/(
误差反向传播算法简称反向传播算法(Back Propagation算法,简称BP算法)。使用BP算法的多层感知器又称为BP神经网络。
详细的神经网络算法MATLAB程序实现，详细步骤说明，数据拟合效果，对于神经网络的案例说明简单易懂，适合初学者进行学习
matlab神经网络BP神经网络代码，主要适用于分类和回归，希望大家能够用到
暂无评论