188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
jiangchao1..

上传于:2012-02-19

粉丝量:1

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • BP神经网络matlab实例(简单而经典)

    星级: 5 页

  • BP神经网络matlab实例(简单而经典)

    星级: 5 页

  • BP神经网络matlab实例(简单而经典)

    星级: 7 页

  • bp神经网络matlab实例(简单而经典)

    星级: 7 页

  • BP神经网络matlab实例(简单而经典)

    星级: 6 页

  • BP神经网络matlab实例(简单而经典)

    星级: 9 页

  • BP神经网络matlab实例(简单而经典)

    星级: 5 页

  • BP神经网络matlab实例(简单而经典)

    星级: 5 页

  • BP神经网络matlab实例(简单而经典)

    星级: 7 页

  • BP神经网络matlab实例(简单而经典)

    星级: 7 页

  • 精品bp神经网络matlab实例(简单而经典)82006

    星级: 6 页

  • bp神经网络matlab实例(简单而经典)90319

    星级: 7 页

  • bp神经网络matlab实例(简单而经典)90330

    星级: 6 页

  • BP神经网络Matlab实例(2)

    星级: 8 页

  • BP神经网络Matlab实例

    星级: 5 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: BP神经网络matlab实例(简单而经典)

下载积分: 200

内容提示: 1、 BP 网络构建 (1) 生成 BP 网络 ?(,[ 1 2...],{1 2...TF TF},,,)netnewff PR S SSNlTFNlBTF BLF PF PR : 由 R 维的输入样本最小最大值构成的2R?维矩阵。 [ 1 2...S S]SNl : 各层的神经元个数。 {1 2...TF TF}TFNl : 各层的神经元传递函数。 BTF : 训练用函数的名称。 (2) 网络训练 [, , , ,net tr Y E Pf Af,] ?(, , ,,,,)train net P T Pi Ai VV TV (3) 网络仿真 [ ,Y Pf Af E perf,, ,] (?, ,,, )sim net P Pi Ai T { ' tansig' , ' purelin' } , ' trainrp' BP 网络的训练函数 训练方法 梯度下降法 有动量的梯度下降法 自适应 lr 梯度下降法...

文档格式:DOC | 页数:6 | 浏览次数:1000 | 上传日期:2012-02-19 17:04:23 | 文档星级:
1、 BP 网络构建 (1) 生成 BP 网络 ?(,[ 1 2...],{1 2...TF TF},,,)netnewff PR S SSNlTFNlBTF BLF PF PR : 由 R 维的输入样本最小最大值构成的2R?维矩阵。 [ 1 2...S S]SNl : 各层的神经元个数。 {1 2...TF TF}TFNl : 各层的神经元传递函数。 BTF : 训练用函数的名称。 (2) 网络训练 [, , , ,net tr Y E Pf Af,] ?(, , ,,,,)train net P T Pi Ai VV TV (3) 网络仿真 [ ,Y Pf Af E perf,, ,] (?, ,,, )sim net P Pi Ai T { ' tansig' , ' purelin' } , ' trainrp' BP 网络的训练函数 训练方法 梯度下降法 有动量的梯度下降法 自适应 lr 梯度下降法 自适应 lr 动量梯度下降法 弹性梯度下降法 Fletcher-Reeves 共轭梯度法 Ploak-Ribiere 共轭梯度法 Powell-Beale 共轭梯度法 量化共轭梯度法 拟牛顿算法 一步正割算法 Levenberg-Marquardt 训练函数 traingd traingdm traingda traingdx trainrp traincgf traincgp traincgb trainscg trainbfg trainoss trainlm BP 网络训练参数 训练参数 net. trainParam. epochs 参数介绍 最大训练次数(缺省为 10)训练函数 traingd、 traingdm、 traingda、traingdx、 trainrp、 traincgf、traincgp、 traincgb、 trainscg、trainbfg、 trainoss、 trainlm net. trainParam. goal 训练要求精度(缺省为 0) traingd、 traingdm、 traingda、traingdx、 trainrp、 traincgf、traincgp、 traincgb、 trainscg、trainbfg、 trainoss、 trainlm traingd、 traingdm、 traingda、traingdx、 trainrp、 traincgf、net. trainParam. lr 学习率(缺省为 0.01)

阅读了该文档的用户还阅读了这些文档

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司