搜索资源列表
qaohei
- D-S证据理论数据融合，自己编的5种调制信号，基于人工神经网络的常用数字信号调制。- D-S evidence theory data fusion, Own five modulation signal, The commonly used digital signal modulation based on artificial neural network.
bunjang
- 感应双馈发电机系统的仿真，包括最小二乘法、SVM、神经网络、1_k近邻法,D-S证据理论数据融合。- Simulation of doubly fed induction generator system, Including the least squares method, the SVM, neural networks, 1 _k neighbor method, D-S evidence theory data fusion.
chengxu
- 程序功能分别实现了线性系统理论中传递函数和状态空间的相互转化，系统辨识中的递推最小二乘算法，免疫算法以及神经网络中的BP算法。-The program functions respectively realize the mutual transformation of transfer function and state space in the linear system theory, the recursive least s
gui-gv06
- 包括最小二乘法、SVM、神经网络、1_k近邻法,D-S证据理论数据融合，使用混沌与分形分析的例程。- Including the least squares method, the SVM, neural networks, 1 _k neighbor method, D-S evidence theory data fusion, Use Chaos and fractal analysis routines.
sk028
- 基于小波变换的数字水印算法matlab代码，关于神经网络控制，D-S证据理论数据融合。- Based on wavelet transform digital watermarking algorithm matlab code, On neural network control, D-S evidence theory data fusion.
CNN
- CNN 卷积神经网络，是深度学习的理论基础，能帮助加深对深度学习的认识.-CNN is the basis of deep learning. It can help researches to get better understanding of deep learning.
siumui_v79
- 代码里有很完整的注释和解释，基于人工神经网络的常用数字信号调制，自己编的5种调制信号，Relief计算分类权重，与理论分析结果相比，仿真效果非常好，在matlab R2009b调试通过，预报误差法参数辨识-松弛的思想。 - Code, there are very complete notes and explanations The commonly used digital signal modulation based on
qxags
- D-S证据理论数据融合，BP神经网络用于函数拟合与模式识别，FMCW调频连续波雷达的测距测角。- D-S evidence theory data fusion, BP neural network function fitting and pattern recognition, FMCW frequency modulated continuous wave radar range and angular measurements.
DeepLearningBook.pdf
- 深度学习书籍,作者是GAN 网络的创始人，值得一看。将深度学习，神经网络和机器学习讲解的很清楚，不仅仅如此，把深度学习的理论知识讲解的饿很透彻。-Deep learning books, the author is the founder of the GAN network, worth a visit. The depth of learning, neural networks and machine learning to ex
dgejrmine-defer-background
- 用混沌理论和广义回归神经网络进行短期负荷的预测,取得了满意的效果-Using chaos theory and generalized regression neural network for short-term load forecast, satisfactory results have been achieved
lyagk
- 用混沌理论和广义回归神经网络进行短期负荷的预测,取得了满意的效果-Using chaos theory and generalized regression neural network for short-term load forecast, satisfactory results have been achieved
achtevedkchieveu
- 用混沌理论和广义回归神经网络进行短期负荷的预测,取得了满意的效果(Using chaos theory and generalized regression neural network for short-term load forecast, satisfactory results have been achieved)
wine_SVM
- 支持向量机是一种继神经网络之后又一优化的算法推动了机器学习的理论发展。(Support vector machines (SVM) is a kind of optimization algorithm after neural network, which promotes the development of machine learning theory)
正则化
- 神经网络正则化样例;正则化(regularization)，是指在线性代数理论中，不适定问题通常是由一组线性代数方程定义的，而且这组方程组通常来源于有着很大的条件数的不适定反问题。(Regularization (regularization) means that in linear algebra theory, ill posed problems are usually defined by a set of linear al
AI Bible(Deep Learning)
- 随后该书分为三部分，第一部分是应用数学和机器学习基础，当初步具有上述理论基础后，才算叩开深度学习的大门。第二部分是深层网络的现代实践。第三部分是深度学习的理论研究，适用于想要执果索因、深入学习神经网络内在原理的研究人员学习。(The book is divided into three parts, the first part is the application of mathematical and machine learnin
论文
- 20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学
matlab数字图像处理与识别
- 将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像分割以及图像特征提取的相关内容；同时对于机器视觉进行了前导性的探究，重点介绍了两种目前在工程技术领域非常流行的分类技术——人工神经网络（ANN）和支持向量机（SVM），并在人脸识别这样的热点问题中结束《精通Matlab数字图像处理与识别》。(Combining theore
leader-following 自适应动态规划仿真
- 本代码运用自适应动态规划理论，结合BP神经网络，设计实现多智能体系统的一致控制。其中的控制率是由HDP框架的BP神经网络基于智能体的实时状态数据自适应产生的。(leader-following consensus by adaptive dynamic programming)
CNN
- 卷积神经网络分类 调制信号识别 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 [1-2] 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-i
ELM_样例
- 极限学习机（Extreme Learning Machine, ELM）用来训练单隐藏层前馈神经网络（SLFN）与传统的SLFN训练算法不同，极限学习机随机选取输入层权重和隐藏层偏置，输出层权重通过激活函数函数，依据Moore-Penrose（MP）广义逆矩阵理论计算解析求出。(Extreme learning machine (ELM) is used to train single hidden layer feedforward