本工具包主要是为对神经网络有兴趣人士提供的一种方便，灵活的学习和研究软件。 JNNT由java语言写成，具有跨平台的优越性能.java applet的演示版更简单到只需要任何机器上的浏览器就可以运行，无需安装任何大型附加软件。更方便爱好者通过internet远程访问资源。 支持反向传播算法(BP),LBG聚类法和径向基网络(RBF)
上传时间： 2015-12-15
上传用户：manking0408
bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。
上传时间： 2015-12-31
上传用户：wendy15
神经网络的基本介绍，包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。
标签： 神经网络
上传时间： 2013-12-16
上传用户：奇奇奔奔
神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。
上传时间： 2014-01-04
上传用户：moerwang
matlab神经网络工具箱的实用指南，第一章是神经网络的基本介绍，第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。
上传时间： 2017-05-07
上传用户：zhyiroy
伺服电机的神经网络参数自整定程序，利用BP误差反向传播算法改变PID 控制参数以获得优越的控制效果
上传时间： 2013-12-21
上传用户：cainaifa
BP网络的学习过程是由正向传播和误差反向传播组成，把输入样本从输入层传到隐含层单元，经隐含层单元逐层处理后产生一个输出，至输出层，这个过程为正向传播，如果输出层没有得到所期望的输入值，把期望值和输出值的误差信号按原路径返回，并通过修改各层神经元的连接权值，使误差信号为最小。这个过程为反向传播
上传时间： 2015-05-07
上传用户：zh_sh_y
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
BP 神经网络的基本思想：信号的正向传播+误差的反向传播。 ¡ 信号的正向传播：输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 ¡ 误差的反向传播：将输入误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号来作为修正各单元权值的依据。 BP算法属于δ学习规则类，这类算法被称为误差的梯度下降（Gradient Descent）算法。 在此分类器中，本文选择3层BP神经网络算法。隐含层节点数为3。
上传时间： 2017-05-31
上传用户：jplalala
介绍神经网络识别手写数字 反向传播算法和改进神经网络的学习方法
标签： 神经网络 深度学习
上传时间： 2017-08-02
上传用户：yaoshuai
