MATLAB源码集锦-基于双隐含层BP神经网络的预测
1
基于MATLAB的BP神经网络来逼近双变量非线性函数,最后的逼近误差小于0.05
2025/11/9 8:15:18 3KB 多变量函数
1
人工神经网络:理论、设计及应用(第2版),韩力群的书,虽然是很早的书,但是写的简洁易懂,把神经网络里的各种网络和算法都介绍了一下,适合大致的系统学习
2025/11/6 4:31:29 25.73MB 神经网络
1
这个压缩包里共包括两个源代码,分别是训练算法,实际分类检测算法,主要是利用BP神经网络来分类。
训练算法的原理可以直接参考,实际分类检测就是利用训练好的BP神经网络参数来进行分类。
我的BP网络结构是3层,783结构。
2025/11/5 18:07:08 31.97MB BP 分类 神经网络
1
这个是一个基于神经网络的说话人识别程序,matlab的p程序,没有.m源代码
1
神经网络故障诊断和数据预测的matlab程序;
故障诊断运用的是BP神经网络,数据预测运用的是RBF神经网络,已经程序测试,成功运用
2025/11/1 22:39:49 1022B 神经网络 故障诊断 数据预测 Matlab
1
基于MATLAB6.X的系统分析与设计神经网络基于MATLAB6.X的系统分析与设计神经网络
2025/11/1 17:41:52 8.21MB 深度学习 神经网络 MATLAB
1
分子识别特征(MoRF)是内在无序蛋白(IDP)的关键功能区域,它们在细胞的分子相互作用网络中起重要作用,并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法,为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF(基于集成深度卷积神经网络的MoRF预测器)的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络(DCNN)分类器的结果。
首先,DCNNMoRF1使用位置特定评分矩阵(PSSM)和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2,它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器,都采用了具有新颖的二维注意机制的DCNN,并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后,enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时,新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37 1.56MB 研究论文
1
BP神经网络关于空气污染物含量预测,用MATLAB来实现的。
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络,每个输入向量的取值范围为10,11,隐含层有7个神经元,输出层有一个3神经元,隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数
2025/10/28 18:30:29 12KB MATLAB
1
使用svm和BP神经网络进行车牌的OCR识别
2025/10/27 2:26:57 17.65MB opencv svm BP神经网络
1
共 1000 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡