实例介绍
【实例简介】
该书共有30个matlab神经网络的案例（含可运行程序），包括BP,RBF ,SVM,SOM,Hopfiled，LVQ,Elman,小波等神经网络
── MATLAB神经网络30个案例分析
│ └── MATLAB神经网络30个案例分析
│ └── 源程序
│ ├── 案例1 BP神经网络的数据分类-语音特征信号分类
│ │ ├── BP.m
│ │ ├── BPDLX.m
│ │ ├── data1.mat
│ │ ├── data2.mat
│ │ ├── data3.mat
│ │ └── data4.mat
│ ├── 案例10 离散Hopfield神经网络的分类——高校科研能力评价
│ │ ├── chapter10.m
│ │ ├── class.mat
│ │ ├── sim.mat
│ │ ├── stdlib.m
│ │ └── test.m
│ ├── 案例11 连续Hopfield神经网络的优化-旅行商问题优化计算
│ │ ├── city_location.mat
│ │ ├── diff_u.m
│ │ ├── energy.m
│ │ └── main.m
│ ├── 案例12 SVM神经网络的数据分类预测-葡萄酒种类识别
│ │ ├── box误差.fig
│ │ ├── chapter12.m
│ │ ├── chapter12_wine.mat
│ │ ├── html
│ │ │ ├── chapter12.html
│ │ │ ├── chapter12.png
│ │ │ ├── chapter12_01.png
│ │ │ ├── chapter12_02.png
│ │ │ └── chapter12_03.png
│ │ ├── matlab新数据.mat
│ │ ├── matlab新数据分类.mat
│ │ ├── matlab新数据名称.mat
│ │ ├── 多表.fig
│ │ └── 预测.fig
│ ├── 案例13 SVM神经网络中的参数优化---提升分类器性能
│ │ ├── chapter13_GA.m
│ │ ├── chapter13_GridSearch.m
│ │ ├── chapter13_PSO.m
│ │ ├── chapter13_wine.mat
│ │ └── html
│ │ ├── chapter13.html
│ │ ├── chapter13.png
│ │ ├── chapter13_01.png
│ │ ├── chapter13_02.png
│ │ ├── chapter13_03.png
│ │ ├── chapter13_04.png
│ │ ├── chapter13_05.png
│ │ ├── chapter13_06.png
│ │ ├── chapter13_07.png
│ │ ├── chapter13_GA.html
│ │ ├── chapter13_GA.png
│ │ ├── chapter13_GA_01.png
│ │ ├── chapter13_GA_02.png
│ │ ├── chapter13_GA_03.png
│ │ ├── chapter13_GA_04.png
│ │ ├── chapter13_GridSearch.html
│ │ ├── chapter13_GridSearch.png
│ │ ├── chapter13_GridSearch_01.png
│ │ ├── chapter13_GridSearch_02.png
│ │ ├── chapter13_GridSearch_03.png
│ │ ├── chapter13_GridSearch_04.png
│ │ ├── chapter13_GridSearch_05.png
│ │ ├── chapter13_GridSearch_06.png
│ │ ├── chapter13_GridSearch_07.png
│ │ ├── chapter13_PSO.html
│ │ ├── chapter13_PSO.png
│ │ ├── chapter13_PSO_01.png
│ │ ├── chapter13_PSO_02.png
│ │ ├── chapter13_PSO_03.png
│ │ └── chapter13_PSO_04.png
│ ├── 案例14 SVM神经网络的回归预测分析---上证开盘指数预测
│ │ ├── chapter14.m
│ │ ├── chapter14_sh.mat
│ │ └── html
│ │ ├── chapter14.html
│ │ ├── chapter14.png
│ │ ├── chapter14_01.png
│ │ ├── chapter14_02.png
│ │ ├── chapter14_03.png
│ │ ├── chapter14_04.png
│ │ ├── chapter14_05.png
│ │ └── chapter14_06.png
│ ├── 案例15 SVM神经网络的信息粒化时序回归预测
│ │ ├── FIG_D.m
│ │ ├── chapter15.m
│ │ ├── chapter15_sh.mat
│ │ ├── html
│ │ │ ├── chapter15.html
│ │ │ ├── chapter15.png
│ │ │ ├── chapter15_01.png
│ │ │ ├── chapter15_02.png
│ │ │ ├── chapter15_03.png
│ │ │ ├── chapter15_04.png
│ │ │ ├── chapter15_05.png
│ │ │ ├── chapter15_06.png
│ │ │ ├── chapter15_07.png
│ │ │ ├── chapter15_08.png
│ │ │ ├── chapter15_09.png
│ │ │ ├── chapter15_10.png
│ │ │ ├── chapter15_11.png
│ │ │ ├── chapter15_12.png
│ │ │ ├── chapter15_13.png
│ │ │ ├── chapter15_14.png
│ │ │ ├── chapter15_15.png
│ │ │ ├── chapter15_16.png
│ │ │ └── chapter15_17.png
│ │ └── original.tif
│ ├── 案例16 单层竞争神经网络的数据分类—患者癌症发病预测
│ │ ├── chapter16.m
│ │ ├── gene.mat
│ │ └── gene.txt
│ ├── 案例17 SOM神经网络的数据分类--柴油机故障诊断
│ │ ├── addon.m
│ │ ├── chapter17.m
│ │ ├── p.mat
│ │ └── 运行说明.txt
│ ├── 案例18 Elman神经网络的数据预测—电力负荷预测模型研究
│ │ ├── chapter18.m
│ │ └── data.mat
│ ├── 案例19 概率神经网络的分类预测-基于PNN变压器故障诊断
│ │ ├── chapter19.m
│ │ └── data.mat
│ ├── 案例2 BP神经网络的非线性系统建模-非线性函数拟合
│ │ ├── BP.m
│ │ ├── BP_Hidden.m
│ │ └── data.mat
│ ├── 案例20 神经网络变量筛选—基于BP的神经网络变量筛选
│ │ └── chapter20.m
│ ├── 案例21 LVQ神经网络的分类——乳腺肿瘤诊断
│ │ ├── chapter21_bp.m
│ │ ├── chapter21_lvq.m
│ │ ├── crossvalidation_lvq.m
│ │ └── data.mat
│ ├── 案例22 LVQ神经网络的预测——人脸朝向识别
│ │ ├── Images
│ │ │ ├── 10_1.bmp
│ │ │ ├── 10_2.bmp
│ │ │ ├── 10_3.bmp
│ │ │ ├── 10_4.bmp
│ │ │ ├── 10_5.bmp
│ │ │ ├── 1_1.bmp
│ │ │ ├── 1_2.bmp
│ │ │ ├── 1_3.bmp
│ │ │ ├── 1_4.bmp
│ │ │ ├── 1_5.bmp
│ │ │ ├── 2_1.bmp
│ │ │ ├── 2_2.bmp
│ │ │ ├── 2_3.bmp
│ │ │ ├── 2_4.bmp
│ │ │ ├── 2_5.bmp
│ │ │ ├── 3_1.bmp
│ │ │ ├── 3_2.bmp
│ │ │ ├── 3_3.bmp
│ │ │ ├── 3_4.bmp
│ │ │ ├── 3_5.bmp
│ │ │ ├── 4_1.bmp
│ │ │ ├── 4_2.bmp
│ │ │ ├── 4_3.bmp
│ │ │ ├── 4_4.bmp
│ │ │ ├── 4_5.bmp
│ │ │ ├── 5_1.bmp
│ │ │ ├── 5_2.bmp
│ │ │ ├── 5_3.bmp
│ │ │ ├── 5_4.bmp
│ │ │ ├── 5_5.bmp
│ │ │ ├── 6_1.bmp
│ │ │ ├── 6_2.bmp
│ │ │ ├── 6_3.bmp
│ │ │ ├── 6_4.bmp
│ │ │ ├── 6_5.bmp
│ │ │ ├── 7_1.bmp
│ │ │ ├── 7_2.bmp
│ │ │ ├── 7_3.bmp
│ │ │ ├── 7_4.bmp
│ │ │ ├── 7_5.bmp
│ │ │ ├── 8_1.bmp
│ │ │ ├── 8_2.bmp
│ │ │ ├── 8_3.bmp
│ │ │ ├── 8_4.bmp
│ │ │ ├── 8_5.bmp
│ │ │ ├── 9_1.bmp
│ │ │ ├── 9_2.bmp
│ │ │ ├── 9_3.bmp
│ │ │ ├── 9_4.bmp
│ │ │ └── 9_5.bmp
│ │ ├── chapter22_bp.m
│ │ ├── chapter22_lvq.m
│ │ ├── chapter_svm.m
│ │ ├── crossvalind_lvq.m
│ │ ├── feature_extraction.m
│ │ ├── lvq1_train.m
│ │ ├── lvq2_train.m
│ │ ├── lvq_predict.m
│ │ └── test.m
│ ├── 案例23 小波神经网络的时间序列预测-短时交通流量预测
│ │ ├── d_mymorlet.m
│ │ ├── mymorlet.m
│ │ ├── traffic_flux.mat
│ │ ├── wavenn.asv
│ │ └── wavenn.m
│ ├── 案例24 模糊神经网络的预测算法-嘉陵江水质评价
│ │ ├── FuzzyNet.m
│ │ ├── data1.mat
│ │ └── data2.mat
│ ├── 案例25 广义神经网络的聚类算法-网络入侵聚类
│ │ ├── FCMGRNN.m
│ │ └── netattack.mat
│ ├── 案例26 粒子群算法的寻优算法-非线性函数极值寻优
│ │ ├── PSO.m
│ │ ├── PSOMutation.m
│ │ └── fun.m
│ ├── 案例27 遗传算法的优化计算——建模自变量降维
│ │ ├── data.mat
│ │ ├── de_code.m
│ │ ├── fitness.m
│ │ ├── gabpEval.m
│ │ ├── gadecod.m
│ │ └── main.m
│ ├── 案例28 灰色神经网络的预测算法—订单需求预测
│ │ ├── Greynet.m
│ │ └── data.mat
│ ├── 案例29 kohonen网络的聚类算法—网络入侵聚类
│ │ ├── Kohonen.m
│ │ ├── SKohonen.m
│ │ └── data.mat
│ ├── 案例3 遗传算法优化BP神经网络-非线性函数拟合
│ │ ├── BP.m
│ │ ├── Code.m
│ │ ├── Cross.m
│ │ ├── Decode.m
│ │ ├── Genetic.m
│ │ ├── Mutation.m
│ │ ├── Select.m
│ │ ├── data.mat
│ │ ├── fun.m
│ │ └── test.m
│ ├── 案例30 神经网络GUI的实现--基于GUI的神经网络拟合.txt
│ ├── 案例4 神经网络遗传算法函数极值寻优-非线性函数极值
│ │ ├── BP.m
│ │ ├── Code.m
│ │ ├── Cross.m
│ │ ├── Genetic.m
│ │ ├── Mutation.m
│ │ ├── Select.m
│ │ ├── data.m
│ │ ├── data.mat
│ │ ├── fun.m
│ │ ├── net.mat
│ │ ├── test.asv
│ │ └── test.m
│ ├── 案例5 基于BP_Adaboost的强分类器设计-公司财务预警建模
│ │ ├── Bp_Ada_Fore.m
│ │ ├── Bp_Ada_Sort.m
│ │ ├── data.mat
│ │ └── data1.mat
│ ├── 案例6 PID神经元网络解耦控制算法_多变量系统控制
│ │ ├── MPID.m
│ │ ├── MPIDCS.m
│ │ ├── MPIDDLX.m
│ │ ├── draw.m
│ │ ├── fun.m
│ │ └── pso.m
│ ├── 案例7 RBF网络的回归-非线性函数回归的实现
│ │ ├── chapter7_1.m
│ │ ├── chapter7_2.m
│ │ └── 运行提示.txt
│ ├── 案例8 GRNN的数据预测-基于广义回归神经网络货运量预测
│ │ ├── best.mat
│ │ ├── chapter8.1.m
│ │ ├── chapter8.2.asv
│ │ ├── chapter8.2.m
│ │ ├── data.mat
│ │ └── 运行提示.txt
│ └── 案例9 离散Hopfield神经网络的联想记忆—数字识别
│ ├── chapter9.m
│ ├── data0.mat
│ ├── data1.mat
│ ├── data1_noisy.mat
│ ├── data2.mat
│ ├── data2_noisy.mat
│ ├── data3.mat
│ ├── data4.mat
│ ├── data5.mat
│ ├── data6.mat
│ ├── data7.mat
│ ├── data8.mat
│ ├── data9.mat
│ └── waiji.m
37 directories, 254 files
该书共有30个matlab神经网络的案例（含可运行程序），包括BP,RBF ,SVM,SOM,Hopfiled，LVQ,Elman,小波等神经网络
案例1 BP神经网络的数据分类-语音特征信号分类
案例2 BP神经网络的非线性系统建模-非线性函数拟合
案例3 遗传算法优化BP神经网络-非线性函数拟合
案例4 神经网络遗传算法函数极值寻优-非线性函数极值
案例5 基于BP_Adaboost的强分类器设计-公司财务预警建模
案例6 PID神经元网络解耦控制算法_多变量系统控制
案例7 RBF网络的回归-非线性函数回归的实现
案例8 GRNN的数据预测-基于广义回归神经网络货运量预测
案例9 离散Hopfield神经网络的联想记忆—数字识别
案例10 离散Hopfield神经网络的分类——高校科研能力评价
案例11 连续Hopfield神经网络的优化-旅行商问题优化计算
案例12 SVM神经网络的数据分类预测-葡萄酒种类识别
案例13 SVM神经网络中的参数优化---提升分类器性能
案例14 SVM神经网络的回归预测分析---上证开盘指数预测
案例15 SVM神经网络的信息粒化时序回归预测
案例16 单层竞争神经网络的数据分类—患者癌症发病预测
案例17 SOM神经网络的数据分类--柴油机故障诊断
案例18 Elman神经网络的数据预测—电力负荷预测模型研究
案例19 概率神经网络的分类预测-基于PNN变压器故障诊断
案例20 神经网络变量筛选—基于BP的神经网络变量筛选
案例21 LVQ神经网络的分类——乳腺肿瘤诊断
案例22 LVQ神经网络的预测——人脸朝向识别
案例23 小波神经网络的时间序列预测-短时交通流量预测
案例24 模糊神经网络的预测算法-嘉陵江水质评价
案例25 广义神经网络的聚类算法-网络入侵聚类
案例26 粒子群算法的寻优算法-非线性函数极值寻优
案例27 遗传算法的优化计算——建模自变量降维
案例28 灰色神经网络的预测算法—订单需求预测
案例29 kohonen网络的聚类算法—网络入侵聚类
案例30 神经网络GUI的实现--基于GUI的神经网络拟合.txt
【实例截图】
── MATLAB神经网络30个案例分析
│ └── MATLAB神经网络30个案例分析
│ └── 源程序
│ ├── 案例1 BP神经网络的数据分类-语音特征信号分类
│ │ ├── BP.m
│ │ ├── BPDLX.m
│ │ ├── data1.mat
│ │ ├── data2.mat
│ │ ├── data3.mat
│ │ └── data4.mat
│ ├── 案例10 离散Hopfield神经网络的分类——高校科研能力评价
│ │ ├── chapter10.m
│ │ ├── class.mat
│ │ ├── sim.mat
│ │ ├── stdlib.m
│ │ └── test.m
│ ├── 案例11 连续Hopfield神经网络的优化-旅行商问题优化计算
│ │ ├── city_location.mat
│ │ ├── diff_u.m
│ │ ├── energy.m
│ │ └── main.m
│ ├── 案例12 SVM神经网络的数据分类预测-葡萄酒种类识别
│ │ ├── box误差.fig
│ │ ├── chapter12.m
│ │ ├── chapter12_wine.mat
│ │ ├── html
│ │ │ ├── chapter12.html
│ │ │ ├── chapter12.png
│ │ │ ├── chapter12_01.png
│ │ │ ├── chapter12_02.png
│ │ │ └── chapter12_03.png
│ │ ├── matlab新数据.mat
│ │ ├── matlab新数据分类.mat
│ │ ├── matlab新数据名称.mat
│ │ ├── 多表.fig
│ │ └── 预测.fig
│ ├── 案例13 SVM神经网络中的参数优化---提升分类器性能
│ │ ├── chapter13_GA.m
│ │ ├── chapter13_GridSearch.m
│ │ ├── chapter13_PSO.m
│ │ ├── chapter13_wine.mat
│ │ └── html
│ │ ├── chapter13.html
│ │ ├── chapter13.png
│ │ ├── chapter13_01.png
│ │ ├── chapter13_02.png
│ │ ├── chapter13_03.png
│ │ ├── chapter13_04.png
│ │ ├── chapter13_05.png
│ │ ├── chapter13_06.png
│ │ ├── chapter13_07.png
│ │ ├── chapter13_GA.html
│ │ ├── chapter13_GA.png
│ │ ├── chapter13_GA_01.png
│ │ ├── chapter13_GA_02.png
│ │ ├── chapter13_GA_03.png
│ │ ├── chapter13_GA_04.png
│ │ ├── chapter13_GridSearch.html
│ │ ├── chapter13_GridSearch.png
│ │ ├── chapter13_GridSearch_01.png
│ │ ├── chapter13_GridSearch_02.png
│ │ ├── chapter13_GridSearch_03.png
│ │ ├── chapter13_GridSearch_04.png
│ │ ├── chapter13_GridSearch_05.png
│ │ ├── chapter13_GridSearch_06.png
│ │ ├── chapter13_GridSearch_07.png
│ │ ├── chapter13_PSO.html
│ │ ├── chapter13_PSO.png
│ │ ├── chapter13_PSO_01.png
│ │ ├── chapter13_PSO_02.png
│ │ ├── chapter13_PSO_03.png
│ │ └── chapter13_PSO_04.png
│ ├── 案例14 SVM神经网络的回归预测分析---上证开盘指数预测
│ │ ├── chapter14.m
│ │ ├── chapter14_sh.mat
│ │ └── html
│ │ ├── chapter14.html
│ │ ├── chapter14.png
│ │ ├── chapter14_01.png
│ │ ├── chapter14_02.png
│ │ ├── chapter14_03.png
│ │ ├── chapter14_04.png
│ │ ├── chapter14_05.png
│ │ └── chapter14_06.png
│ ├── 案例15 SVM神经网络的信息粒化时序回归预测
│ │ ├── FIG_D.m
│ │ ├── chapter15.m
│ │ ├── chapter15_sh.mat
│ │ ├── html
│ │ │ ├── chapter15.html
│ │ │ ├── chapter15.png
│ │ │ ├── chapter15_01.png
│ │ │ ├── chapter15_02.png
│ │ │ ├── chapter15_03.png
│ │ │ ├── chapter15_04.png
│ │ │ ├── chapter15_05.png
│ │ │ ├── chapter15_06.png
│ │ │ ├── chapter15_07.png
│ │ │ ├── chapter15_08.png
│ │ │ ├── chapter15_09.png
│ │ │ ├── chapter15_10.png
│ │ │ ├── chapter15_11.png
│ │ │ ├── chapter15_12.png
│ │ │ ├── chapter15_13.png
│ │ │ ├── chapter15_14.png
│ │ │ ├── chapter15_15.png
│ │ │ ├── chapter15_16.png
│ │ │ └── chapter15_17.png
│ │ └── original.tif
│ ├── 案例16 单层竞争神经网络的数据分类—患者癌症发病预测
│ │ ├── chapter16.m
│ │ ├── gene.mat
│ │ └── gene.txt
│ ├── 案例17 SOM神经网络的数据分类--柴油机故障诊断
│ │ ├── addon.m
│ │ ├── chapter17.m
│ │ ├── p.mat
│ │ └── 运行说明.txt
│ ├── 案例18 Elman神经网络的数据预测—电力负荷预测模型研究
│ │ ├── chapter18.m
│ │ └── data.mat
│ ├── 案例19 概率神经网络的分类预测-基于PNN变压器故障诊断
│ │ ├── chapter19.m
│ │ └── data.mat
│ ├── 案例2 BP神经网络的非线性系统建模-非线性函数拟合
│ │ ├── BP.m
│ │ ├── BP_Hidden.m
│ │ └── data.mat
│ ├── 案例20 神经网络变量筛选—基于BP的神经网络变量筛选
│ │ └── chapter20.m
│ ├── 案例21 LVQ神经网络的分类——乳腺肿瘤诊断
│ │ ├── chapter21_bp.m
│ │ ├── chapter21_lvq.m
│ │ ├── crossvalidation_lvq.m
│ │ └── data.mat
│ ├── 案例22 LVQ神经网络的预测——人脸朝向识别
│ │ ├── Images
│ │ │ ├── 10_1.bmp
│ │ │ ├── 10_2.bmp
│ │ │ ├── 10_3.bmp
│ │ │ ├── 10_4.bmp
│ │ │ ├── 10_5.bmp
│ │ │ ├── 1_1.bmp
│ │ │ ├── 1_2.bmp
│ │ │ ├── 1_3.bmp
│ │ │ ├── 1_4.bmp
│ │ │ ├── 1_5.bmp
│ │ │ ├── 2_1.bmp
│ │ │ ├── 2_2.bmp
│ │ │ ├── 2_3.bmp
│ │ │ ├── 2_4.bmp
│ │ │ ├── 2_5.bmp
│ │ │ ├── 3_1.bmp
│ │ │ ├── 3_2.bmp
│ │ │ ├── 3_3.bmp
│ │ │ ├── 3_4.bmp
│ │ │ ├── 3_5.bmp
│ │ │ ├── 4_1.bmp
│ │ │ ├── 4_2.bmp
│ │ │ ├── 4_3.bmp
│ │ │ ├── 4_4.bmp
│ │ │ ├── 4_5.bmp
│ │ │ ├── 5_1.bmp
│ │ │ ├── 5_2.bmp
│ │ │ ├── 5_3.bmp
│ │ │ ├── 5_4.bmp
│ │ │ ├── 5_5.bmp
│ │ │ ├── 6_1.bmp
│ │ │ ├── 6_2.bmp
│ │ │ ├── 6_3.bmp
│ │ │ ├── 6_4.bmp
│ │ │ ├── 6_5.bmp
│ │ │ ├── 7_1.bmp
│ │ │ ├── 7_2.bmp
│ │ │ ├── 7_3.bmp
│ │ │ ├── 7_4.bmp
│ │ │ ├── 7_5.bmp
│ │ │ ├── 8_1.bmp
│ │ │ ├── 8_2.bmp
│ │ │ ├── 8_3.bmp
│ │ │ ├── 8_4.bmp
│ │ │ ├── 8_5.bmp
│ │ │ ├── 9_1.bmp
│ │ │ ├── 9_2.bmp
│ │ │ ├── 9_3.bmp
│ │ │ ├── 9_4.bmp
│ │ │ └── 9_5.bmp
│ │ ├── chapter22_bp.m
│ │ ├── chapter22_lvq.m
│ │ ├── chapter_svm.m
│ │ ├── crossvalind_lvq.m
│ │ ├── feature_extraction.m
│ │ ├── lvq1_train.m
│ │ ├── lvq2_train.m
│ │ ├── lvq_predict.m
│ │ └── test.m
│ ├── 案例23 小波神经网络的时间序列预测-短时交通流量预测
│ │ ├── d_mymorlet.m
│ │ ├── mymorlet.m
│ │ ├── traffic_flux.mat
│ │ ├── wavenn.asv
│ │ └── wavenn.m
│ ├── 案例24 模糊神经网络的预测算法-嘉陵江水质评价
│ │ ├── FuzzyNet.m
│ │ ├── data1.mat
│ │ └── data2.mat
│ ├── 案例25 广义神经网络的聚类算法-网络入侵聚类
│ │ ├── FCMGRNN.m
│ │ └── netattack.mat
│ ├── 案例26 粒子群算法的寻优算法-非线性函数极值寻优
│ │ ├── PSO.m
│ │ ├── PSOMutation.m
│ │ └── fun.m
│ ├── 案例27 遗传算法的优化计算——建模自变量降维
│ │ ├── data.mat
│ │ ├── de_code.m
│ │ ├── fitness.m
│ │ ├── gabpEval.m
│ │ ├── gadecod.m
│ │ └── main.m
│ ├── 案例28 灰色神经网络的预测算法—订单需求预测
│ │ ├── Greynet.m
│ │ └── data.mat
│ ├── 案例29 kohonen网络的聚类算法—网络入侵聚类
│ │ ├── Kohonen.m
│ │ ├── SKohonen.m
│ │ └── data.mat
│ ├── 案例3 遗传算法优化BP神经网络-非线性函数拟合
│ │ ├── BP.m
│ │ ├── Code.m
│ │ ├── Cross.m
│ │ ├── Decode.m
│ │ ├── Genetic.m
│ │ ├── Mutation.m
│ │ ├── Select.m
│ │ ├── data.mat
│ │ ├── fun.m
│ │ └── test.m
│ ├── 案例30 神经网络GUI的实现--基于GUI的神经网络拟合.txt
│ ├── 案例4 神经网络遗传算法函数极值寻优-非线性函数极值
│ │ ├── BP.m
│ │ ├── Code.m
│ │ ├── Cross.m
│ │ ├── Genetic.m
│ │ ├── Mutation.m
│ │ ├── Select.m
│ │ ├── data.m
│ │ ├── data.mat
│ │ ├── fun.m
│ │ ├── net.mat
│ │ ├── test.asv
│ │ └── test.m
│ ├── 案例5 基于BP_Adaboost的强分类器设计-公司财务预警建模
│ │ ├── Bp_Ada_Fore.m
│ │ ├── Bp_Ada_Sort.m
│ │ ├── data.mat
│ │ └── data1.mat
│ ├── 案例6 PID神经元网络解耦控制算法_多变量系统控制
│ │ ├── MPID.m
│ │ ├── MPIDCS.m
│ │ ├── MPIDDLX.m
│ │ ├── draw.m
│ │ ├── fun.m
│ │ └── pso.m
│ ├── 案例7 RBF网络的回归-非线性函数回归的实现
│ │ ├── chapter7_1.m
│ │ ├── chapter7_2.m
│ │ └── 运行提示.txt
│ ├── 案例8 GRNN的数据预测-基于广义回归神经网络货运量预测
│ │ ├── best.mat
│ │ ├── chapter8.1.m
│ │ ├── chapter8.2.asv
│ │ ├── chapter8.2.m
│ │ ├── data.mat
│ │ └── 运行提示.txt
│ └── 案例9 离散Hopfield神经网络的联想记忆—数字识别
│ ├── chapter9.m
│ ├── data0.mat
│ ├── data1.mat
│ ├── data1_noisy.mat
│ ├── data2.mat
│ ├── data2_noisy.mat
│ ├── data3.mat
│ ├── data4.mat
│ ├── data5.mat
│ ├── data6.mat
│ ├── data7.mat
│ ├── data8.mat
│ ├── data9.mat
│ └── waiji.m
37 directories, 254 files
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论