電子發(fā)燒友App

硬聲App

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫(xiě)文章/發(fā)帖/加入社區(qū)
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      電子發(fā)燒友網(wǎng)>存儲(chǔ)技術(shù)>如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)閃存尾端延遲的發(fā)生？

      如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)閃存尾端延遲的發(fā)生？

      收藏

      聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

      評(píng)論

      查看更多

      相關(guān)推薦

      利用神經(jīng)網(wǎng)絡(luò)來(lái)根據(jù)RGB判斷pH值

      正在從事智能假肢的課題，需要用到，這篇給我的實(shí)現(xiàn)起到到很好的指導(dǎo)意義，特此轉(zhuǎn)載，也特此感謝作者，利用顏色傳感器讀取pH試紙的顏色，然后得到他代表的pH值。一開(kāi)始想擬合出一個(gè)關(guān)于RGB和pH的函數(shù)，但是總是效果不好。于是利用神經(jīng)網(wǎng)絡(luò)來(lái)根據(jù)RGB判斷他的pH值。思路是首先利用MATLAB訓(xùn)練...
      2021-08-17 08:19:35

      神經(jīng)網(wǎng)絡(luò)50例

      神經(jīng)網(wǎng)絡(luò)50例
      2012-11-28 16:49:56

      神經(jīng)網(wǎng)絡(luò)Matlab程序

      神經(jīng)網(wǎng)絡(luò)Matlab程序
      2009-09-15 12:52:24

      神經(jīng)網(wǎng)絡(luò)與SVM的模塊

      大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個(gè)嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進(jìn)步
      2017-10-13 11:41:43

      神經(jīng)網(wǎng)絡(luò)基本介紹

      神經(jīng)網(wǎng)絡(luò)基本介紹
      2018-01-04 13:41:23

      神經(jīng)網(wǎng)絡(luò)教程（李亞非）

      　　第1章 概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性
      2012-03-20 11:32:43

      神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

      將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)
      2022-01-11 06:20:53

      神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

      神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
      2012-08-05 21:01:08

      神經(jīng)網(wǎng)絡(luò)資料

      基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
      2019-05-16 17:25:05

      AI知識(shí)科普 | 從無(wú)人相信到萬(wàn)人追捧的神經(jīng)網(wǎng)絡(luò)

      同一個(gè)神經(jīng)網(wǎng)絡(luò)的多個(gè)副本，每一個(gè)副本都傳遞一個(gè)消息給輸出層。 D、長(zhǎng)短期記憶網(wǎng)絡(luò)長(zhǎng)短期記憶網(wǎng)絡(luò)，是一種時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)，適合于處理和預(yù)測(cè)時(shí)間序列中間隔和延遲相對(duì)較長(zhǎng)的重要事件。它能夠解決傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)
      2018-06-05 10:11:50

      Keras之ML~P：基于Keras中建立的回歸預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型

      Keras之ML~P：基于Keras中建立的回歸預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個(gè)數(shù)據(jù)樣本預(yù)測(cè)新的5+1個(gè)樣本)——回歸預(yù)測(cè)
      2018-12-20 10:43:06

      MATLAB神經(jīng)網(wǎng)絡(luò)

      MATLAB神經(jīng)網(wǎng)絡(luò)
      2013-07-08 15:17:13

      Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？ 它在同步中的應(yīng)用有哪些？

      Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？Matlab神經(jīng)網(wǎng)絡(luò)工具箱在同步中的應(yīng)用有哪些？
      2021-04-26 06:42:29

      labview BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

      請(qǐng)問(wèn)：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒(méi)有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類(lèi)“這個(gè)范例有很多不懂的地方，比如
      2017-02-22 16:08:08

      matlab實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

      習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒(méi)有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
      2021-08-18 07:25:21

      【AI學(xué)習(xí)】第3篇--人工神經(jīng)網(wǎng)絡(luò)

      `本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測(cè)、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`
      2020-11-05 17:48:39

      【PYNQ-Z2申請(qǐng)】基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速

      項(xiàng)目名稱(chēng)：基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速試用計(jì)劃：申請(qǐng)理由：本人研究生在讀，想要利用PYNQ深入探索卷積神經(jīng)網(wǎng)絡(luò)的硬件加速，在PYNQ上實(shí)現(xiàn)圖像的快速處理項(xiàng)目計(jì)劃：1、在PC端實(shí)現(xiàn)Lnet網(wǎng)絡(luò)的訓(xùn)練
      2018-12-19 11:37:22

      【PYNQ-Z2試用體驗(yàn)】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)

      語(yǔ)言，使用numpy.dot方法即可計(jì)算矩陣乘法。 以上便是一個(gè)簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的基本原理，對(duì)神經(jīng)網(wǎng)絡(luò)有了基本的認(rèn)識(shí)之后，我們才能進(jìn)行復(fù)雜的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。總結(jié)本文講解了神經(jīng)網(wǎng)絡(luò)的基本概念及其工作原理，利用
      2019-03-03 22:10:19

      【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

      今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺(jué)不是很難，只不過(guò)一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競(jìng)爭(zhēng)學(xué)習(xí)的一個(gè)代表，競(jìng)爭(zhēng)型學(xué)習(xí)
      2019-07-21 04:30:00

      【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

      `BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向
      2019-07-21 04:00:00

      人工神經(jīng)網(wǎng)絡(luò)原理及下載

      人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過(guò)程而開(kāi)發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過(guò)程看成是一個(gè)“網(wǎng)絡(luò)”，通過(guò)不斷地給
      2008-06-19 14:40:42

      人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法有哪些？

      人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類(lèi)似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問(wèn)題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
      2019-08-01 08:06:21

      人工神經(jīng)網(wǎng)絡(luò)課件

      人工神經(jīng)網(wǎng)絡(luò)課件
      2016-06-19 10:15:48

      什么是LSTM神經(jīng)網(wǎng)絡(luò)

      簡(jiǎn)單理解LSTM神經(jīng)網(wǎng)絡(luò)
      2021-01-28 07:16:57

      什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

      圖卷積神經(jīng)網(wǎng)絡(luò)
      2019-08-20 12:05:29

      優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

      優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？
      2022-09-06 09:52:36

      使用keras搭建神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)基于深度學(xué)習(xí)算法的股票價(jià)格預(yù)測(cè)

      本文使用keras搭建神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)基于深度學(xué)習(xí)算法的股票價(jià)格預(yù)測(cè)。本文使用的數(shù)據(jù)來(lái)源為tushare，一個(gè)免費(fèi)開(kāi)源接口；且只取開(kāi)票價(jià)進(jìn)行預(yù)測(cè)。import numpy as npimport
      2022-02-08 06:40:03

      全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

      全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
      2019-06-06 14:21:42

      關(guān)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的確定??！

      請(qǐng)問(wèn)用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測(cè)？
      2014-02-08 14:23:06

      卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過(guò)程

      以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過(guò)網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過(guò)網(wǎng)絡(luò)返回給設(shè)備端。如今越來(lái)越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即
      2021-12-23 06:16:40

      卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

      卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
      2022-09-08 10:23:10

      卷積神經(jīng)網(wǎng)絡(luò)如何使用

      卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問(wèn)題，我們似乎可以給出相對(duì)簡(jiǎn)明的答案。
      2019-07-17 07:21:50

      卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

      。神經(jīng)網(wǎng)絡(luò)的思想起源于1943年McCulloch 和 Pitts 提出的神經(jīng)元模型[19]，簡(jiǎn)稱(chēng) MCP 神經(jīng)元模 型。它是利用計(jì)算機(jī)來(lái)模擬人的神經(jīng)元反應(yīng)的過(guò) 程，具有開(kāi)創(chuàng)性意義。此模型將神經(jīng)元反應(yīng)簡(jiǎn)化
      2022-08-02 10:39:39

      卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是什么

      卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
      2020-05-05 18:12:50

      卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)和常用框架

      　　卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架
      2020-12-29 06:16:44

      卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

      什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
      2021-06-17 11:48:22

      反饋神經(jīng)網(wǎng)絡(luò)算法是什么

      反饋神經(jīng)網(wǎng)絡(luò)算法
      2020-04-28 08:36:58

      圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理的簡(jiǎn)要介紹

      為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過(guò)Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過(guò)程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。 整個(gè)過(guò)程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，
      2021-12-23 08:07:33

      基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

      最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過(guò)對(duì)系統(tǒng)性能的學(xué)習(xí)來(lái)實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
      2021-09-07 07:43:47

      基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)

      基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)
      2018-01-04 13:37:27

      基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性

      FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問(wèn)題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
      2021-04-30 06:58:13

      基于Keras中建立的簡(jiǎn)單的二分類(lèi)問(wèn)題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個(gè)數(shù)據(jù)樣本預(yù)測(cè)新的5+1個(gè)樣本)—類(lèi)別預(yù)測(cè)

      Keras之ML~P：基于Keras中建立的簡(jiǎn)單的二分類(lèi)問(wèn)題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個(gè)數(shù)據(jù)樣本預(yù)測(cè)新的5+1個(gè)樣本)——類(lèi)別預(yù)測(cè)
      2018-12-24 11:45:48

      基于RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)

      基于RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)
      2018-01-04 13:38:52

      如何利用神經(jīng)網(wǎng)絡(luò)來(lái)根據(jù)RGB判斷他的pH值？

      如何利用神經(jīng)網(wǎng)絡(luò)來(lái)根據(jù)RGB判斷他的pH值？
      2021-11-19 06:36:21

      如何利用SoPC實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)速度控制器？

      由于時(shí)變非線性和強(qiáng)耦合的控制系統(tǒng)還沒(méi)有精確的數(shù)學(xué)模型，因而傳統(tǒng)的依賴被控對(duì)象數(shù)學(xué)模型的控制策略及其控制系統(tǒng)的封閉式結(jié)構(gòu)很難對(duì)其實(shí)施有效控制。神經(jīng)網(wǎng)絡(luò)控制能夠很好地克服系統(tǒng)中模型參數(shù)的變化和非線性等
      2019-08-12 06:25:35

      如何利用卷積神經(jīng)網(wǎng)絡(luò)去更好地控制巡線智能車(chē)呢

      巡線智能車(chē)控制中的CNN網(wǎng)絡(luò)有何應(yīng)用？嵌入式單片機(jī)中的神經(jīng)網(wǎng)絡(luò)該怎樣去使用？如何利用卷積神經(jīng)網(wǎng)絡(luò)去更好地控制巡線智能車(chē)呢？
      2021-12-21 07:47:24

      如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

      如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
      2021-10-11 08:05:42

      如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

      原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
      2021-07-12 08:02:11

      如何設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

      神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡(jiǎn)稱(chēng)，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺(jué)感官傳來(lái)的大量圖像信息后，能迅速做出反應(yīng)
      2019-08-08 06:11:30

      有提供編寫(xiě)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序服務(wù)的嗎？

      有提供編寫(xiě)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序服務(wù)的嗎？
      2011-12-10 13:50:46

      求利用LABVIEW 實(shí)現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序

      誰(shuí)有利用LABVIEW 實(shí)現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序?。ㄎ矣玫陌姹臼?.6的 ）
      2012-11-26 14:54:59

      求助地震波神經(jīng)網(wǎng)絡(luò)程序

      求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流！！
      2013-05-11 08:14:19

      求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

      小女子做基于labview的蒸發(fā)過(guò)程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問(wèn)這個(gè)控制方法可以嗎？有誰(shuí)會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
      2016-09-23 13:43:16

      求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問(wèn)題

      求助大神 小的現(xiàn)在有個(gè)難題： 一組車(chē)重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車(chē)重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值） 這其中可能經(jīng)過(guò)均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算 我的目的就是弄清楚這個(gè)中間計(jì)算過(guò)程 最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序
      2016-07-14 13:35:44

      求基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過(guò)程

      求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)過(guò)程，最好有程序哈，謝謝?。?/div>
      2012-12-10 14:55:50

      用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)如何確定最合適的，BP模型

      請(qǐng)問(wèn)用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測(cè)？
      2014-02-08 14:19:12

      簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

      最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)
      2019-09-11 11:57:36

      脈沖耦合神經(jīng)網(wǎng)絡(luò)在FPGA上的實(shí)現(xiàn)誰(shuí)會(huì)？

      脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）在FPGA上的實(shí)現(xiàn)，實(shí)現(xiàn)數(shù)據(jù)分類(lèi)功能，有報(bào)酬。QQ470345140.
      2013-08-25 09:57:14

      基于徑向基神經(jīng)網(wǎng)絡(luò)的局域預(yù)測(cè)法及其應(yīng)用

      一般的加權(quán)一階局域預(yù)測(cè)法是利用最小二乘法求解模型，從而對(duì)混沌時(shí)序進(jìn)行預(yù)測(cè)?；趶较蚧?b class="flag-6" style="color: red">神經(jīng)網(wǎng)絡(luò)的局域預(yù)測(cè)法是在加權(quán)一階局域預(yù)測(cè)模型的理論基礎(chǔ)上，應(yīng)用徑向基神經(jīng)網(wǎng)
      2009-04-23 10:02:5116

      基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)

      設(shè)計(jì)并實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)和模糊邏輯相結(jié)合的綜合預(yù)測(cè)模型進(jìn)行短期電力負(fù)荷預(yù)測(cè)。由神經(jīng)網(wǎng)絡(luò)和模糊邏輯分別對(duì)基本負(fù)荷和受天氣、節(jié)假日影響的負(fù)荷進(jìn)行預(yù)測(cè)，使其在天氣突變
      2009-08-14 15:51:1619

      灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究

      本文給出了灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的一種新的結(jié)合方式—灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)利用神經(jīng)網(wǎng)絡(luò)建立殘差與數(shù)據(jù)間的映射關(guān)系，并采用其預(yù)測(cè)結(jié)果補(bǔ)償灰色系統(tǒng)模型的預(yù)測(cè)值。
      2009-09-02 10:44:4816

      基于神經(jīng)網(wǎng)絡(luò)的羅茨增壓器性能預(yù)測(cè)研究

      運(yùn)用人工神經(jīng)網(wǎng)絡(luò)原理建立了羅茨增壓器性能預(yù)測(cè)的BP 神經(jīng)網(wǎng)絡(luò)模型，并利用該模型對(duì)羅茨增壓器不同壓比條件下的溫升、轉(zhuǎn)速與流量的特性關(guān)系進(jìn)行了預(yù)測(cè)分析，取得了良好的
      2009-12-14 14:04:4111

      GABP神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測(cè)中的應(yīng)用研究

      交通流的預(yù)測(cè)是智能交通系統(tǒng)的重要技術(shù)之一,傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法存在對(duì)初始網(wǎng)絡(luò)權(quán)值設(shè)置敏感、易陷入局部極小點(diǎn)、收斂速度慢等缺點(diǎn)。GABP神經(jīng)網(wǎng)絡(luò)是指在傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)
      2010-02-23 14:20:3622

      小波神經(jīng)網(wǎng)絡(luò)在脫靶量估計(jì)中的應(yīng)用

      提出了一種利用 小波神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)的武器試驗(yàn)脫靶量估計(jì)方法。以外測(cè)GPS測(cè)量彈道跟蹤數(shù)據(jù)為基準(zhǔn)，建立小波神經(jīng)網(wǎng)絡(luò)模型，并將遙測(cè)慣導(dǎo)數(shù)據(jù)比對(duì)結(jié)果作為輸入，預(yù)測(cè)過(guò)靶時(shí)刻彈道
      2011-08-29 14:40:1820

      基于遺傳小波神經(jīng)網(wǎng)絡(luò)的海雜波預(yù)測(cè)

      根據(jù)相空間重構(gòu)理論，提出了一種基于遺傳小波神經(jīng)網(wǎng)絡(luò)(GA-WNN)的混沌時(shí)間序列預(yù)測(cè)方法。根據(jù)takens理論，計(jì)算出相空間重構(gòu)所需延遲時(shí)間和嵌入維數(shù)。采用小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造和算法，將遺傳算法用于
      2015-12-24 15:43:109

      基于EMD和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)

      基于EMD和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)..
      2016-01-04 17:03:5514

      基于小波包_神經(jīng)網(wǎng)絡(luò)的太陽(yáng)逐時(shí)輻射預(yù)測(cè)_陳杰

      基于小波包_神經(jīng)網(wǎng)絡(luò)的太陽(yáng)逐時(shí)輻射預(yù)測(cè)_陳杰
      2016-12-31 14:45:091

      基于神經(jīng)網(wǎng)絡(luò)和小波分析的超短期風(fēng)速預(yù)測(cè)

      基于神經(jīng)網(wǎng)絡(luò)和小波分析的超短期風(fēng)速預(yù)測(cè)_高陽(yáng)
      2017-01-02 15:24:001

      小波包神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法在瓦斯涌出量中的應(yīng)用

      小波包神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法在瓦斯涌出量中的應(yīng)用_彭曉華
      2017-01-03 15:24:450

      基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的鋼構(gòu)件質(zhì)量預(yù)測(cè)研究_雷兆明

      基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的鋼構(gòu)件質(zhì)量預(yù)測(cè)研究_雷兆明
      2017-02-07 15:05:000

      BP神經(jīng)網(wǎng)絡(luò)在水質(zhì)參數(shù)預(yù)測(cè)中的應(yīng)用_張昕

      BP神經(jīng)網(wǎng)絡(luò)在水質(zhì)參數(shù)預(yù)測(cè)中的應(yīng)用_張昕
      2017-03-19 11:26:541

      PCA_BP神經(jīng)網(wǎng)絡(luò)在降水預(yù)測(cè)中的應(yīng)用研究_季剛

      PCA_BP神經(jīng)網(wǎng)絡(luò)在降水預(yù)測(cè)中的應(yīng)用研究_季剛
      2017-03-19 11:27:340

      基于灰色神經(jīng)網(wǎng)絡(luò)的股票指數(shù)短期預(yù)測(cè)王志遠(yuǎn)

      基于灰色神經(jīng)網(wǎng)絡(luò)的股票指數(shù)短期預(yù)測(cè)_王志遠(yuǎn)
      2017-03-16 08:00:000

      基于人工神經(jīng)網(wǎng)絡(luò)和粒子群算法的風(fēng)能預(yù)測(cè)模型_廖輝英

      基于人工神經(jīng)網(wǎng)絡(luò)和粒子群算法的風(fēng)能預(yù)測(cè)模型_廖輝英
      2017-03-16 10:19:420

      ACO_BP神經(jīng)網(wǎng)絡(luò)在電梯交通流預(yù)測(cè)中的應(yīng)用_萬(wàn)健如

      ACO_BP神經(jīng)網(wǎng)絡(luò)在電梯交通流預(yù)測(cè)中的應(yīng)用_萬(wàn)健如
      2017-03-19 18:58:184

      BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)方法

      針對(duì)BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)中存在的結(jié)構(gòu)不確定以及網(wǎng)絡(luò)過(guò)度擬合的問(wèn)題，利用遺傳算法的全局搜索能力和模糊聚類(lèi)算法的數(shù)據(jù)篩選能力，分別對(duì)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與數(shù)據(jù)進(jìn)行雙重優(yōu)化，提出了基于遺傳算法和聚類(lèi)算法的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)方法，仿真表明，改進(jìn)風(fēng)速后的預(yù)測(cè)方法大大提高了風(fēng)速預(yù)測(cè)的準(zhǔn)確性。
      2017-11-10 11:23:415

      基于RBF神經(jīng)網(wǎng)絡(luò)的通信用戶規(guī)模預(yù)測(cè)模型

      準(zhǔn)確地對(duì)通信用戶規(guī)模進(jìn)行預(yù)測(cè)對(duì)于通信運(yùn)營(yíng)商的決策具有十分重要的意義，而現(xiàn)有的常規(guī)預(yù)測(cè)方法存在預(yù)測(cè)誤差較大、預(yù)測(cè)速率低等問(wèn)題。研究一種基于RBF神經(jīng)網(wǎng)絡(luò)的通信用戶規(guī)模預(yù)測(cè)模型。為了使得RBF神經(jīng)網(wǎng)絡(luò)
      2017-11-22 15:54:547

      改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型

      為了提高徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)短時(shí)交通流的預(yù)測(cè)準(zhǔn)確性，提出了一種基于改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)模型。利用改進(jìn)人工蜂群算法確定RBF網(wǎng)絡(luò)隱含層的中心值以及隱含層單元
      2017-12-01 16:31:582

      基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測(cè)算法

      蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)是結(jié)構(gòu)生物學(xué)中的一個(gè)重要問(wèn)題。針對(duì)八類(lèi)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)，提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測(cè)算法。該算法通過(guò)雙向遞歸神經(jīng)網(wǎng)絡(luò)建模氨基酸間的局部和長(zhǎng)程相互作用
      2017-12-03 09:41:149

      BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測(cè)

      針對(duì)傳統(tǒng)稅收預(yù)測(cè)模型精度較低的問(wèn)題，提出一種將Adaboost算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行稅收預(yù)測(cè)的方法。該方法首先對(duì)歷年稅收數(shù)據(jù)進(jìn)行預(yù)處理并初始化測(cè)試數(shù)據(jù)分布權(quán)值；然后初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值
      2018-02-27 16:51:440

      神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)有怎么樣的應(yīng)用

      本文檔的主要內(nèi)容詳細(xì)介紹的是神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)有怎么樣的應(yīng)用。
      2020-02-29 08:00:000

      基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的光伏發(fā)電預(yù)測(cè)模型

      基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的光伏發(fā)電預(yù)測(cè)模型
      2021-06-27 16:16:2635

      基于果蠅算法的混合小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型

      基于果蠅算法的混合小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)模型
      2021-07-05 16:52:5740

      什么是神經(jīng)網(wǎng)絡(luò)？為什么說(shuō)神經(jīng)網(wǎng)絡(luò)很重要？神經(jīng)網(wǎng)絡(luò)如何工作？

      神經(jīng)網(wǎng)絡(luò)是一個(gè)具有相連節(jié)點(diǎn)層的計(jì)算模型，其分層結(jié)構(gòu)與大腦中的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)相似。神經(jīng)網(wǎng)絡(luò)可通過(guò)數(shù)據(jù)進(jìn)行學(xué)習(xí)，因此，可訓(xùn)練其識(shí)別模式、對(duì)數(shù)據(jù)分類(lèi)和預(yù)測(cè)未來(lái)事件。
      2023-07-26 18:28:411619

      卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) 卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別

      深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測(cè)和分類(lèi)。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。
      2023-08-21 17:07:361860

      cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型

      cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，最初被廣泛應(yīng)用于計(jì)算機(jī)
      2023-08-21 17:11:47680

      人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

      人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱(chēng)為神經(jīng)網(wǎng)絡(luò)（Neural
      2023-08-22 16:45:182941

      已全部加載完成