-
KNN和BP的算法实现。输入一系列的样本值，进行训练和分类。源码是实现了两个分类器，已经调试通过
KNN和BP的算法实现。输入一系列的样本值，进行训练和分类。源码是实现了两个分类器，已经调试通过-KNN and BP algorithm. Enter a series of sample values, for training and classification. Source is to achieve the two classifiers have been debugging through
- 2022-03-17 14:09:57下载
- 积分：1
-
A SVM classifier, with detail documents.
A SVM classifier, with detail documents.
- 2023-03-28 15:35:03下载
- 积分：1
-
这是用VC实现的模糊控制算法，稍作处理可以达到自己的要求
这是用VC实现的模糊控制算法，稍作处理可以达到自己的要求-This the VC fuzzy control algorithms, separate treatment can achieve their demands
- 2022-07-04 16:35:37下载
- 积分：1
-
神经网络工具箱
bp神经网络的工具包-bp neural network tool kit
- 2022-09-21 03:20:03下载
- 积分：1
-
BP networksBP networksBP networksBP networksBP networks
神经网络算法 神经网络算法 -BP networksBP networksBP networksBP networksBP networks
- 2022-03-15 14:52:01下载
- 积分：1
-
人工神经网络技术在智能分布式检索系统中应用
人工神经网络技术在智能分布式检索系统中应用- The artificial nerve network technology applies in the
intelligent distributional retrieval system
- 2023-08-19 14:55:04下载
- 积分：1
-
这是基于MATLAB编写的一个神经网络的实例。
这是基于MATLAB编写的一个神经网络的实例。-This is based on the MATLAB neural network to prepare a case in point.
- 2022-05-20 10:15:00下载
- 积分：1
-
经典的BPN人工神经网络例子源码 ，很经典的
经典的BPN人工神经网络例子源码 ，很经典的-BPN classic examples of artificial neural network source code, it is classic
- 2022-03-04 10:57:24下载
- 积分：1
-
这是关于人工神经网络的c算法实现，对于算法研究比较有用！...
这是关于人工神经网络的c算法实现，对于算法研究比较有用！-C++ implementation of class network By Luca Cinti and Lorenzo Masetti, based on lightweight neural net library written in C by Peter van Rossum.
- 2022-02-01 22:50:28下载
- 积分：1
-
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因...
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。-charged residual coal gas is to determine the volume of mining gas emission rate forecast an important link, which directly affect mining gas emission rate forecast accuracy, and with coal metamorphism, loading coal particle size, the original gas content, exposure time and other factors nonlinear relationship. Artificial neural networks have expressed arbitrary nonlinear relationships and the ability to solve complex nonlinear, time-varying uncertainty and the new ideas and new approaches. Based on this, the author of adaptive neural network loading coal residual gas production forecast model, and a combination of different loading coal mine gas remnants of the actual test results of research
- 2022-03-12 11:40:03下载
- 积分：1
