基于紧缩感知BP，BP,OMP,StOMP二维图像比较，里面有详细的代码以及三者算法之间的图像对比。
2016/1/20 9:25:48
161KB
1
布谷鸟搜索算法的总结，每一个鸟巢地位对应着一组BP神经网络初始连接权值和阀值，BP网络根据连接权值和阀值对训练集进行训练，计算每个鸟巢地位对应的预测精度，并根据预测精度找到当前最优鸟巢
2018/10/25 22:46:16
114KB
1
学习神经网络及深度学习实战代码.本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。
同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。
此外，本书还引见了MATLABR2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等
同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。
此外，本书还引见了MATLABR2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等
2016/4/23 14:32:25
63.59MB
1
《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者愈加直观、生动地学习神经网络。
《MATLAB神经网络43个案例分析》共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。
同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。
此外，《MATLAB神经网络43个案例分析》还介绍了MATLABR2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用《MATLAB神经网络43个案例分析》时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。
《MATLAB神经网络43个案例分析》程序建议在MATLABR2009a及以上版本环境下运行。
若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究
《MATLAB神经网络43个案例分析》共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。
同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。
此外，《MATLAB神经网络43个案例分析》还介绍了MATLABR2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
使用《MATLAB神经网络43个案例分析》时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。
《MATLAB神经网络43个案例分析》程序建议在MATLABR2009a及以上版本环境下运行。
若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
《MATLAB神经网络43个案例分析》可作为高等学校相关专业学生本科毕业设计、研究
2022/9/19 22:09:06
61.13MB
1
该文件次要包含了两个利用Matlab做的BP算法，次要用来实现预测，该文件中包含两个网络，一个是普通BP神经网络，一个为双隐含层BP神经网络。
2015/11/12 20:20:26
49KB
1
MNIST手写字Matlab程序，包含BP和CNN程序。
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序引见：https://blog.csdn.net/hoho1151191150/article/details/79714691
不依赖任何库，包含MNIST数据，BP网络可达到98.3%的识别率，CNN可达到99%的识别率。
CNN比较耗时，关于CNN的程序引见：https://blog.csdn.net/hoho1151191150/article/details/79714691
2019/9/13 11:13:56
21.23MB
1
该课题为基于MATLABbp神经网络的雾霾天气下交通标志的识别系统。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
主要分两步骤，一是进行图像去雾，采用暗通道的方法获取光透射率，从而去除雾霾。
得到清晰的图片后，利用颜色的方法进行交通标志的定位，众所周知，交通标志基本是红，蓝，黄三色组成，根据RGB不同组合可以定位到不同颜色，因为存在误差，所以需要借助形状学相关知识，将得到的误干扰面积去除，从而实现精准定位。
定位后，在原图基础上进行分割出彩色图标，利用bp神经网络方法，进行训练，识别，从而得出结果。
本设计配有一个GUI可视化界面，操作简单容易上手。
是个不错的选题。
2016/5/4 3:50:35
79.64MB
1
说明，这个matlab程序的目标是对BP神经网络中的神经元连接权和阈值构成的高维参数空间进行最优求解，试图用PSO算法求解神经网络中的参数，而不是用传统的误差反传算法。
但由于经典粒子群算法存在局部最优的问题。
该算法也存在同样的问题。
该算法在迭代数较大时可以基本做到误差较大的函数拟合。
但是通过该资源提供的图解和代码正文，用户可以很容易的学习到PSO算法的过程。
至于如何突破局部最优，这个就有待各位PSO爱好者进行优化了。
但由于经典粒子群算法存在局部最优的问题。
该算法也存在同样的问题。
该算法在迭代数较大时可以基本做到误差较大的函数拟合。
但是通过该资源提供的图解和代码正文，用户可以很容易的学习到PSO算法的过程。
至于如何突破局部最优，这个就有待各位PSO爱好者进行优化了。
2019/10/16 13:18:03
582KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB