我要加入 登录
声振论坛 返回首页

jimin的个人空间 http://home.vibunion.com/?12251 [收藏] [复制] [分享] [RSS]

日志

分享 智能中国网第一届人工智能创意比赛
2008-2-26 13:55
活动概述 人工智能,这个还不被大家广泛熟知的词语却已经深入到人们的日常生活当中,智能化正给人类带来新一轮的革命。也许在2008年这个奥运年,“你智能了吗?”成为最流行的语言;在北京奥运会上将采用更多的人工智能产品来解决日益复杂的事物。面对人工智能种种好处,我们有什么理由拒绝接受人工智能呢? & ...
1001 次阅读|0 个评论
分享 给大家推荐一个人工智能交流的平台
2007-9-21 22:53
中国人工智能创业研发俱乐部论坛 www.2nsoft.cn/bbs 是一个专注于人工智能领域相关技术的交流平台。致力于为人工智能爱好者提供更好的学术交流条件,寻找志同道合朋友的互动平台。 在各位人工智能爱好者的支持下,俱乐部已经积累了不少的资源( www.2nsoft.cn 和 www.2nsoft.cn/bbs ) 目 ...
855 次阅读|0 个评论
分享 神经网络基础问题整理
2007-7-26 19:30
1.神经网络的教材哪本比较经典 神经网络原理 Simon Haykin ? 叶世?史忠植译 神经网络设计
968 次阅读|0 个评论
分享 写给matlab新手的几句话
2007-7-26 19:27
matlab博大精深,说到底我也只不过是个初学者,只是学的时间比新手长了一点,现在写几句给新手,希望能给你们有点帮助 1 学Matlab 并不难 ,难的是 学会怎么用 。 2不要 试图掌握matlab的每一个功能 ,熟悉和你 专业最相关 的部分就可以了。 3 不要问:明天要交作业了,哪位大侠帮忙写个程序吧,或 ...
1091 次阅读|0 个评论
分享 神经网络matlab程序每次运行结果不同的一点看法
2006-9-14 15:46
天气 : 晴朗 心情 : 高兴 因为每次的结果不一样,才有可能找到比较理想的结果啊 找到比较好的结果后,用命令save filename net;保存网络, 可使预测的结果不会变化,调用时用命令load filename net; 取p_test= ; t_test= ; t=sim(net,p_test); err=t_test-t; plot(p_test,err); 选择误差小的保存网络 save filename ne ...
1477 次阅读|2 个评论
分享 rbf原理
2006-9-14 15:43
天气 : 晴朗 心情 : 高兴 rbf原理 所谓径向基函数 (Radial Basis Function 简称 RBF), 就是某种沿径向对称的标量函数。 通常定义为空间中任一点x到某一中心xc之间欧氏距离的单调函数 , 可记作 k(||x-xc||), 其作用往往是局部的 , 即当x远离xc时函数取值很小。最常用的径向基函数是高斯核函数 ,形式为 k(||x-xc||)=ex ...
1157 次阅读|0 个评论
分享 训练好的权值、阈值的输出方法
2006-9-14 15:39
天气 : 晴朗 心情 : 高兴 训练好的权值、阈值的输出方法是: 输入到隐层权值: w1=net.iw{1,1} 隐层阈值: theta1=net.b{1} 隐层到输出层权值: w2=net.lw{2,1}; 输出层阈值: theta2=net.b{2}
716 次阅读|2 个评论
分享 一个关于电量预测的本科毕业设计
2006-9-14 15:33
天气 : 晴朗 心情 : 高兴 一个mm做的毕业设计,用她的话说是一个多星期熬夜和死缠烂问问题的结果 可能预测的结果不是很好,有兴趣的可以看看其中基于神经网络和matlab的编程
630 次阅读|1 个评论
分享 (转)基于聚类的rbf程序
2006-9-14 15:29
天气 : 晴朗 心情 : 高兴 samnum=100; testsamnum=101; indim=1; clusternum=10; overlap=1.0; rand('state',sum(100*clock)) noisevar=0.1; noise=noisevar*randn(1,samnum); samin=8*rand(1,samnum)-4; samoutnonoise=1.1*(1-samin+2*samin.^2).*exp(-samin.^2/2); samout=samoutnonoise+noise; testsamin=-4:0.08:4; ...
769 次阅读|0 个评论
分享 (转)基于梯度法的rbf程序
2006-9-14 15:27
天气 : 晴朗 心情 : 高兴 SamNum = 100; % 训练样本数 TargetSamNum = 101; % 测试样本数 InDim = 1; % 样本输入维数 UnitNum = 10; % 隐节点数 MaxEpoch = 5000; % 最大训练次数 E0 = 0.9; % 目标误差 % 根据目标函数获得样本输入输出 rand('state',sum(100*clock)) NoiseVar = 0.1; Noise = NoiseVar*randn(1,SamNum) ...
870 次阅读|0 个评论
12下一页

QQ|小黑屋|Archiver|手机版|联系我们|声振论坛

GMT+8, 2024-5-13 14:22 , Processed in 0.071322 second(s), 12 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

返回顶部