虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

bp算法

bp算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。由于多层前馈网络的训练经常采用误差反向传播算法,人们也常把将多层前馈网络直接称为BP网络。
  • BP人工神经网络的程序

    BP人工神经网络的程序,(人工智能的算法)

    标签: 人工神经网络 程序

    上传时间: 2017-02-15

    上传用户:fxf126@126.com

  • 基于gaot工具箱优化BP以实现数据拟合。在nninit.m中修改数据存储的路径以及隐含层节点数的设置(S1)

    基于gaot工具箱优化BP以实现数据拟合。在nninit.m中修改数据存储的路径以及隐含层节点数的设置(S1),遗传算法与bp的参数修改在ga_bp.m中进行。

    标签: nninit gaot 工具箱 修改

    上传时间: 2013-12-12

    上传用户:363186

  • 网上的大部分BP实现曲线拟合都使用MATLAB库函数

    网上的大部分BP实现曲线拟合都使用MATLAB库函数,这不利于读者理解BP神经网络的算法。本文用C源码实现MATLAB库函数.

    标签: MATLAB 曲线拟合 库函数

    上传时间: 2017-06-14

    上传用户:洛木卓

  • 一个bp神经元网络的c++实现

    一个bp神经元网络的c++实现,优化了算法,有可执行界面

    标签: 神经元网络

    上传时间: 2014-11-04

    上传用户:JasonC

  • LM编程算法

    LM编程算法,在神经网络中有很大应用之处,神经网络源代码,及BP网络训练界面,其中的L-M算法非常实用

    标签: 编程 算法

    上传时间: 2017-07-06

    上传用户:wxhwjf

  • 神经网络系统 quickprop算法 大幅提高运算速度

    神经网络系统 quickprop算法 大幅提高运算速度,但收敛率有待提高。可以和传统BP做比较

    标签: quickprop 神经网络 算法

    上传时间: 2014-12-05

    上传用户:源弋弋

  • 这是一个模型介绍和常用算法的C语言的实现

    这是一个模型介绍和常用算法的C语言的实现,包过HMM算法,BP神经网络解决异或问题~~

    标签: 模型 C语言 算法

    上传时间: 2013-11-25

    上传用户:duoshen1989

  • BP神经网络的c++源代码

    BP神经网络的c++源代码,基于改进的梯度下降算法实现

    标签: BP神经网络 源代码

    上传时间: 2014-01-07

    上传用户:zhangjinzj

  • 一份关于bp神经网络的课件

    一份关于bp神经网络的课件,就是关于神经网络的算法,感兴趣的值得一看,算法是一个难且很好的东西

    标签: 神经网络

    上传时间: 2013-12-20

    上传用户:gxrui1991

  • 2013遗传算法工具箱

    % 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);

    标签: 2013 算法 工具箱

    上传时间: 2016-05-28

    上传用户:shanqiu