神经网络
文章平均质量分 81
然哥爱编程
这个作者很懒,什么都没留下…
展开
-
基于卷积神经网络进行股价预测(Matlab代码实现)
而CNN的原理也类似,通过卷积层来查找特征,然后通过全连接层来做分类判断这是一只鸟,而池化层则是为了让训练的参数更少,在保持采样不变的情况下,忽略掉一些信息。对于股票来说,影响股价波动因素繁多,单单从历史股价进行预测未来股价是不足够的,这也符合弱式有效市场假说,即技术分析失败;[1]刘天阳.基于注意力机制的CNN-LSTM模型股价趋势预测[J].科技资讯,2022,20(23):1-5.DOI:10.16661/j.cnki.1672-3791.2205-5042-2715.原创 2023-03-22 20:03:08 · 1720 阅读 · 3 评论 -
基于RBF神经网络的机械臂运动控制算法(Matlab代码实现)
在信号处理、模式识别等系统中,多层前馈网络是应用较为广泛的模型。但是大部分基于反向传播的多层前馈网络的学习算法必须基于某种非线性优化技术的缺点,计算量大、学习速度慢。径向基函数神经网络(Radial Basis Function Neural Network)理论为多层前馈网络的学习提供了一种新颖而有效的手段。RBF网络不仅具有良好的推广能力,而且计算量少,学习速度一般也比其它算法快得多。[1]王旭东,邵惠鹤.RBF神经网络理论及其在控制中的应用[J].信息与控制,1997(04):32-44.原创 2023-03-20 17:21:44 · 1803 阅读 · 2 评论 -
DQN算法控制模拟旋转摆(Matlab代码实现)
像往常一样,想要实现倒立摆的强化学习控制,我们可以把这样一个大问题拆解成几个相对独立的问题解决。倒立摆是非常经典的控制问题,如果DQN能够有效实现倒立摆的控制,也就意味着DQN等强化学习算法适用于更复杂的动力学控制问题,即就是说,采用相似的思想,我们可以将强化学习算法用于机械臂控制、卫星姿态控制等工程问题上。第二个问题,我们需要根据倒立摆问题调整神经网络和DQN算法的相关参数,使之能够满足控制需求。最后,由于整个程序中加入了倒立摆的数值仿真,不仅参数和常数增多,程序也相对网格迷宫程序复杂了很多。原创 2023-03-13 16:41:24 · 1317 阅读 · 1 评论 -
用DQN实现Atari game(Matlab代码实现)
Agent需要能够观察环境(observe)所处的状态,评判(value)状态下每个动作的价值,并选出最优的动作(act)来和环境交互。因此,observe,value和act是强化学习Agent必不可少的元素。强化学习,指的就是Agent与环境交互,不断强化,不断学习,最终找到解决问题的最优策略,那么学习(learn)就是强化学习必不可少的元素。在深度强化学习中,主要关注的就是DQN权重的学习,与深度神经网络的学习很相近,都是算一个loss,然后通过back-prop更新权重。原创 2023-03-11 18:11:55 · 1158 阅读 · 0 评论 -
利用 MLP(多层感知器)和 RBF(径向基函数)神经网络解决的近似和分类示例问题(Matlab代码实现)
径向基神经网络的隐含层和输出层完全不同,隐含层采用非线性函数(径向基函数)作为基函数,而输出层采用线性函数,两者作用不同。径向基函数网络是由三层构成的前向网络:第一层为输入层,节点个数的能与输入的维数;径向基神经网络的基函数计算的是输入向量与基函数中心之间的欧氏距离(两者取差值,再取欧几里得范数),而多层感知器的隐单元的激励函数则计算输入向量与权值的内积。多层感知器对非线性映射全局逼近,而径向基函数使用局部指数衰减的非线性函数进行局部逼近,因此,要达到相同的精度,径向基函数需要的参数比多层感知器少得多。原创 2023-03-09 13:11:39 · 2018 阅读 · 0 评论 -
机器学习、数据挖掘和统计模式识别学习(Matlab代码实现)
在过去的十年中,机器学习为我们提供了自动驾驶汽车,实用的语音识别,有效的网络搜索以及对人类基因组的理解大大提高。在本代码中,您将了解最有效的机器学习技术,并获得实施它们并让它们为自己工作的练习。更重要的是,您不仅将学习学习的理论基础,还将获得快速有效地将这些技术应用于新问题所需的实践知识。机器学习和人工智能的创新过程)。本课程还将借鉴众多案例研究和应用,以便您还将学习如何应用学习算法来构建智能机器人(感知、控制)、文本理解(网络搜索、反垃圾邮件)、计算机视觉、医学信息学、音频、数据库挖掘和其他领域。原创 2023-03-04 16:28:49 · 750 阅读 · 0 评论 -
基于ANN以使用有监督和无监督的学习将其分为不同的类别或识别模式(Matlab代码实现)
这就是为什么开始学习IA是如何工作的重要原因,从神经网络开始,并了解如何实现简单和基本的知识,对我们大有裨益。在这个存储库中,您可以找到一些ANN的实现,以使用有监督和无监督的学习(如Adaline、Hopfield、Multilayer和Simple Perceptron等)将其分成不同的类或识别模式。%Asignamos valores aleatorios a la matriz de pesos W con la funci髇 rand。原创 2023-02-28 10:51:46 · 600 阅读 · 0 评论 -
用于回归问题的异常稳健极限学习机(Matlab代码实现)
[1]周闯,范彬,朱蕾等.用于鲁棒性建模的概率权重极限学习机[J].计算机科学,2017,44(08):242-245.通过极限学习机处理包含异常值的数据,以进行回归和二元分类。目标是最小化 L1 范数损失函数和 L2 范数输出权重的组合。原创 2023-02-23 20:16:06 · 111 阅读 · 0 评论 -
使用FORCE训练的脉冲神经网络中的监督学习(Matlab代码实现)
脉冲神经网络 (SNN) 属于第三代神经网络模型,实现了更高级的生物神经模拟水平。除了神经元和突触状态之外,SNN 还将时间概念纳入了其操作之中,是一种模拟大脑神经元动力学的一类很有前途的模型。那么什么是第一代和第二代神经网络模型呢?1.1.1 第一代神经网络第一代神经网络又称为感知器,在1950年左右被提出来,它的算法只有两层,输入层输出层,主要是线性结构。它不能解决线性不可分的问题,对稍微复杂一些的函数都无能为力,如异或操作。1.1.2 第二代神经网络:BP 神经网络。原创 2023-02-23 10:43:50 · 287 阅读 · 0 评论 -
使用BP神经网络诊断恶性乳腺癌(Matlab代码实现)
BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。原创 2023-02-20 20:27:28 · 759 阅读 · 0 评论 -
基于思维进化算法优化BP神经网络(Matlab代码实现)
进化算法(EC)是学者们利用优胜劣汰的进化规律将计算机科学与生物演变进化相结合,渐渐发展形成的一种在状态空间中的搜索对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到目标的随机启发式搜索算法。与普通算法不同的是,它有着群体搜索的能力。但在关注其优势的同时,也不能漠视它自身存在的一些缺陷与不足,例如,在工程应用中,进化算法表现出的早熟、收敛速度缓慢等缺陷都需不断加以改进,使其变得更加完善。legend('子种群1','子种群2','子种群3','子种群4','子种群5')原创 2022-12-31 11:13:19 · 445 阅读 · 1 评论 -
基于遗传算法GA算法优化BP神经网络(Python代码实现)
BP-GA算法的设计︰基于遗传算法的BP神经网络算法(以下简称BP-GA)就是在BP神经网络的学习过程中,将权重和阀值描述为染色体,并选取适宜的适应函数,然后进行GA迭代,直到某种意义上的收敛.与普通BP学习算法相比,算法 BP一GA的优势在于可以处理一些传统方法不能处理的例子,例如不可导的特性函数(传递函数)或者没有梯度信息存在的节点.该算法涉及到两个关键问题,分别是染色体位串与权系值的编码映射和评价函数。博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。# 提出特征和标签,特征做输入,标签为输出。原创 2022-12-31 10:22:50 · 507 阅读 · 0 评论 -
极限学习机ELM回归预测(MATLAB代码实现)
极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之后又被众多学者扩展到多隐层前馈神经网络中.该算法的核心思想是随机选取网络的输入权值和隐层偏置,在训练过程中保持不变,仅需要优化隐层神经元个数.网络的输出权值则是通过最小化平方损失函数,来求解Moore-Penrose广义逆运算得到最小范数最小二乘解.相比于其它原创 2022-12-30 13:04:32 · 622 阅读 · 0 评论 -
基于BP神经网络的电力负荷预测(Matlab代码实现)
随着电力工业逐步进入市场化,区域配电网短期电力负荷预测在电力行业中地位越来越重要,精准的短期负荷预测方法对电力系统安全稳定的运行至关重要。因此,文章在综合分析实际负荷特征和BP神经网络原理的基础上,提出BP神经网络预测方法。原创 2022-12-29 14:36:35 · 790 阅读 · 0 评论 -
采用附加动量法和自适应学习率设计来改进bp神经网络的迭代速度,如果不迭代学习率会提高精度;迭代学习率(自适应)会加快收敛,但精度降低(Matlab代码实现)
采用附加动量法和自适应学习率设计来改进bp神经网络的迭代速度,如果不迭代学习率会提高精度;迭代学习率(自适应)会加快收敛,但精度降低(Matlab代码实现)原创 2022-12-28 20:53:04 · 419 阅读 · 2 评论 -
基于BP神经网络的手写数字识别(Matlab代码实现)
计算机技术和网络技术的发展,大量的数字信息在进行处理之前需要通过一定的方式采集到计算机之中,如信件上的邮政编码,银行各种票据上的数字信息,试卷上的准考证号,物流行业中手写快递单据等手写数字的录入等都可通过手写体数字识别技术来进行识别,提高效率,节省了人力。sprintf('第%d次迭代,误差为%f',count,sigma(count))%判断误差是否连续上升若干次迭代,若是则停止训练。count = 0;%判断是否已达到目标误差,若是,退出迭代过程。%备份验证误差上升前的权值。%计算训练集的当前误差。原创 2022-12-27 20:30:24 · 172 阅读 · 0 评论 -
基于BP神经网络、RBF神经网络以及PSO优化的RBF神经网络进行数据的预测(Matlab代码实现)
RBF神经网络将复杂的非线性问题转化为高维特征空间,使问题转化为线性可分,避免了局部最小的问题,需要更多的隐层神经元。[1]王媛媛.基于改进PSO优化RBF神经网络的温室温度预测研究[J].计算机与数字工程,2016,44(07):1210-1215.SPMat=repmat(SP',1,SamNum);%repmat具体作用。原创 2022-12-27 11:12:46 · 1010 阅读 · 0 评论 -
基于粒子群算法优化BP神经网络的PID控制算法(Matlab代码实现)
------给定初始化条件----------------------------------------------v(i,find(v(i,:)原创 2022-11-24 21:11:21 · 1223 阅读 · 17 评论 -
基于bp神经网络汽车自动变速器最佳挡位判断(Matlab代码实现)
【代码】基于bp神经网络汽车自动变速器最佳挡位判断(Matlab代码实现)原创 2022-11-23 12:57:10 · 129 阅读 · 0 评论 -
基于标准反向传播算法的改进BP神经网络算法(Matlab代码实现)
它是一种广义最小均方 (LMS) 算法,它最小化等于实际输出和所需输出之间误差平方和的标准。SBP算法已成为用于训练多层感知器的标准算法。原创 2022-11-22 21:49:00 · 289 阅读 · 0 评论 -
基于径向基函数 (RBF) 神经网络的麦基格拉斯时间序列预测(Matlab代码实现)
在本文中,实现了一个径向基函数(RBF)神经网络,用于预测混沌时间序列预测。特别是设计了一种麦基格拉斯时间序列预测模型,该模型可以使用过去的时间样本预测前进几步的值。RBF 使用传统的梯度下降学习算法进行训练,核函数是从 K 均值聚类算法获得的中心和扩散的高斯核。博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。行百里者,半于九十。原创 2022-11-18 20:56:30 · 260 阅读 · 0 评论 -
使用BP神经网络、RBF神经网络以及PSO优化的RBF神经网络对数据进行预测(Matlab代码实现)
径向基函数神经网络(也称为RBF神经网络)是应用非常广泛的一类人工神经网络。在RBF神经网络建模中,其隐含层神经元的个数、相关参数(即中心点、宽度)、以及输出层权值对模型的性能具有重大的影响。如何构建一个合理的隐含层网络结构和最佳的网络参数,是RBF神经网络改进的难点。径向基神经网络作为一种前馈型神经网络,在模型预测、智能控制和模式识别等领域得到广泛应用。同样,当前RBF神经网络结构主要通过经验或凑试的方法确定,且结构一旦确定将不再调整,极大的降低了RBF神经网络的自适应能力。原创 2022-11-18 17:15:51 · 1815 阅读 · 0 评论 -
基于BP神经网络进行手写体识别(Matlab代码实现)
目前研究的神经网络字符识别系统可划分为两大类.第一类系统实际上是传统方法与神经网络技术的结合, 这也是本文采用的方法.这类系统分为两块, 第一块主要完成样本模式预处理和字符特征抽取任务, 第二块是用前面获得的模式特征来训练神经网络分类器, 从而达到识别字符的目的。字符识别长期以来都是采用传统的识别方法, 对印刷体字符的识别率一般只是稳定在96%左右, 未能进一步提高, 而对手写体字符的识别, 其研究还处于探索阶段, 其识别率还相当低, 因此, 为了提高识别率, 就必须寻求新的方法和途径。原创 2022-11-07 20:08:49 · 1144 阅读 · 0 评论 -
基于人工神经网络的车牌识别系统的研究(Matlab代码实现)
然后再对粗定位后的图像利用Canny算子进行边缘检测,根据车牌部分图像黑白跳变频率较高的特征,最终实现了车牌的精确定位。在字符的分割部分,本文依据现行的车牌设计原则,利用改进后的水平投影法,将车牌图像分割7个待识别字符,并对分割后的字符进行了归一化处理。实践证明该方法对解决汉字的不连通问题、字符的粘连问题、噪声的干扰问题以及车牌的前2个字符和后面5个字符之间存在的小圆点问题是行之有效的。在字符的识别部分,采用改进后的BP神经网络,针对汉字、字母、字母或数字、数字四种不同的识别问题,设计了四种不同的分类器。原创 2022-11-06 14:13:41 · 493 阅读 · 0 评论 -
基于BP神经网络预测电力负荷(Matlab代码实现)
针对电力调度机构对短期负荷预测的精度日益提高的问题,本文应用BP神经网络算法对电力负荷进行了短期预测,该方法模拟了人类大脑神经的功能,对收集到的样本数据进行处理和储存。在已经建立完成的负荷预测模型的基础上,分别收集预测区域的温度、气象等相关数据信息,进而确定所需训练的样本;xlabel('时间'),ylabel('用电量')%命名。legend('预测值','真实值');原创 2022-11-04 11:06:35 · 761 阅读 · 0 评论 -
基于模糊小波神经网络的空中目标威胁评估(Matlab代码实现)
在现代战争中, 随着信息化和智能化的飞速发展, 以及作战环境的日益复杂, 实时而准确地评估目标威胁, 不仅为空战决策提供科学的决策依据, 而且能够提高杀伤概率, 因而研究目标威胁评估问题具有重要的理论和实际意义。本文针对目标威胁评估问题进行研究, 使用模糊神经网络解决复杂战场环境信息的不确定性问题, 使用小波神经网络增强自学习能力, 建立模糊小波神经网络, 同时为了提高模糊小波神经网络的收敛速度和泛化能力, 提出一种基于动态学习率的新型模糊小波神经网络, 实现对目标威胁的评估。% t-1迭代的参数值。原创 2022-11-03 11:59:45 · 330 阅读 · 0 评论 -
BP神经网络对指纹识别的应用(Matlab代码实现)
在误差寻优初期,采用改进梯度算法进行迭代,当寻优过程开始接近最优时,使用DFP变尺度算法,使得算法不仅具有收敛速率快等特点,而且算法简单,有利于增强学习的实时性。经过前人努力,在指纹识别技术上已经有很大的突破,识别技术基本趋于成熟化,大多数情况下指纹都能被比较理想的识别.但是随着在某些领域应用的广泛性,人们对指纹识别的实时性、可靠性提出了更高的要求.于是应对指纹识别的种种新要求,我们需要找到更好的识别方法.针对这样的要求,本文提出了一种基于BP神经网络的、对已建好的指纹模板库进行快速分类的算法。原创 2022-11-03 00:10:16 · 460 阅读 · 0 评论 -
基于文化算法优化的神经网络预测研究(Matlab代码实现)
大自然里的各种生物在生存环境中相互竞争,优胜劣汰,不断进化,对环境具有良好的适应性,人们细心观察着周围神奇的大自然,激发出无限的想象,模拟生物的进化机制,提出了一系列进化计算方法,如进化规划、遗传算法、粒子群优化算法以及鱼群算法等。所以,如何提取有效信息并有效利用进化过程中隐含的各类信息,以提高进化效率,成为该领域的一个研究热点文化是用符号、价值意义和社会规范表示整个人类群体的生产方式和生活过程的集合,文就是知识的结构性积累;之后,网络的输出数据就是根据这些规律推算出来的。(3)较强的联想能力和容错能力。原创 2022-10-24 19:07:24 · 402 阅读 · 0 评论 -
有监督学习神经网络的回归拟合——基于红外光谱的汽油辛烷值预测(Matlab代码实现)
红外光谱法(IR)属于分子振动光谱技术,波数范围在4000cm-1~400cm-1之间,它的原理是基于分子中各类官能团的特征吸收,信号强度高,且对微量组分仍能检测出信号,具有灵敏度高、特征性强的优点,因此红外光谱法在材料、化工、食品、医药等多个领域均有应用。辛烷值是反映汽油抗爆性的重要指标,也被作为划分汽油牌号的依据。原创 2022-10-13 14:55:53 · 666 阅读 · 3 评论