【达摩老生出品，必属精品，亲测校正，质量保证】资源名：matlab_SCCPM_LDPC+CPM仿真_LOG-MAP算法_SOVA算法_LOG-BP算法资源类型：matlab项目全套源码源码说明：全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指点或者更换。
适合人群：新手及有一定经验的开发人员
适合人群：新手及有一定经验的开发人员
2019/6/23 12:55:37
1.23MB
1
文件中给出案例数据，列代表指标集（输入集x:1-7,输出集y:8）行代表数据集。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
2019/11/18 17:14:58
13KB
1
针对BP神经网络训练过程易陷入局部极值导致训练误差收敛速度慢的问题，提出将具有全局寻优的萤火虫算法，结合BP算法共同训练神经网络。
在本质上，萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练，避开局部极值点，得到优化后的神经网络初始权值后，利用BP算法的局部寻优特性对网络做进一步精细训练。
轴承毛病实验表明，萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升，毛病识别率最高达到99.47%。
在本质上，萤火虫BP神经网络利用萤火虫算法对神经网络进行早期训练，避开局部极值点，得到优化后的神经网络初始权值后，利用BP算法的局部寻优特性对网络做进一步精细训练。
轴承毛病实验表明，萤火虫BP神经网络的训练误差收敛速度相比BP神经网络、萤火虫神经网络显著提升，毛病识别率最高达到99.47%。
2018/11/10 22:25:45
1.2MB
1
本文来自于csdn，本文是主要介绍了神经网络应用在分类问题中效果，以及神经网络结构及算法，希望对您的学习有所协助。
1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。
图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间
1.1基本结构说明：通常一个神经网络由一个inputlayer，多个hiddenlayer和一个outputlayer构成。
图中圆圈可以视为一个神经元（又可以称为感知器）设计神经网络的重要工作是设计hiddenlayer，及神经元之间
2016/7/26 8:12:58
944KB
1
BP神经网络的仿真，能够拟合各种函数，支持梯度下降法和LM两种训练算法。
所有代码本人编写，没有使用matlab自带的函数，是学习的最佳范本。
所有代码本人编写，没有使用matlab自带的函数，是学习的最佳范本。
2017/1/4 12:39:27
4KB
1
实现了工程测量中各种常见的沉降预测算法，包括直线拟合法、二次多项式拟合法、三次多项式拟合法、双曲线法、对数曲线法、抛物线法、指数曲线法、泊松曲线法、星野法、Asaoka法、灰度模型GM(1,1)法、灰度模型Verhulst法、BP神经网络法、遗传算法。
各种算法的具体实现可以参考https://blog.csdn.net/yh523/article/details/122944048。
在VisualStudio2015中采用C#编程语言实现，使用.NetFramework4.0。
附件资源包含可以编译运转的源代码，以及可以直接运转的exe示例程序。
各种算法的具体实现可以参考https://blog.csdn.net/yh523/article/details/122944048。
在VisualStudio2015中采用C#编程语言实现，使用.NetFramework4.0。
附件资源包含可以编译运转的源代码，以及可以直接运转的exe示例程序。
2021/9/3 18:13:53
4.19MB
1
008_基于遗传算法优化BP神经网络(GA-BP)的数据分类预测Matlab代码完成过程
2017/5/8 18:03:53
81KB
1
利用BP神经网络设计指纹识别算法，给神经网络提供每一模式类中的一些样本作为训练样本。
BP网络经过学习，不只能够识别已训练过的样本，而且能够识别未出现过的样本。
利用神经网络的泛化能力，提高指纹识别算法的识别率，图像增强、提取指纹特征
BP网络经过学习，不只能够识别已训练过的样本，而且能够识别未出现过的样本。
利用神经网络的泛化能力，提高指纹识别算法的识别率，图像增强、提取指纹特征
2015/4/18 22:20:06
16KB
1
007_基于遗传算法优化BP神经网络(GA-BP)的数据回归预测Matlab代码完成过程
2017/3/27 15:39:04
23KB
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