登录
首页 » matlab » 源程序

源程序

于 2020-06-19 发布 文件大小:7746KB
0 244
下载积分: 1 下载次数: 1
我要下载

代码说明：

  各类神经网络代码，可以用于MATLAB初学者使用(Various kinds of neural network codes can be used for beginners in MATLAB)

文件列表：

源程序, 0 , 2019-08-01
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价, 0 , 2019-08-01
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价\chapter10.m, 3369 , 2017-11-05
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价\class.mat, 443 , 2017-11-05
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价\sim.mat, 465 , 2017-11-05
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价\stdlib.m, 2235 , 2017-11-05
源程序\案例10 离散Hopfield神经网络的分类——高校科研能力评价\test.m, 2775 , 2017-11-05
源程序\案例11 连续Hopfield神经网络的优化-旅行商问题优化计算, 0 , 2019-08-01
源程序\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, 232 , 2017-11-05
源程序\案例11 连续Hopfield神经网络的优化-旅行商问题优化计算\diff_u.m, 217 , 2017-11-05
源程序\案例11 连续Hopfield神经网络的优化-旅行商问题优化计算\energy.m, 247 , 2017-11-05
源程序\案例11 连续Hopfield神经网络的优化-旅行商问题优化计算\main.m, 5152 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别, 0 , 2019-08-01
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\chapter12.m, 4134 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\chapter12_wine.mat, 20168 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\html, 0 , 2019-08-01
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\html\chapter12.png, 3348 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\html\chapter12_01.png, 6809 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\html\chapter12_02.png, 10845 , 2017-11-05
源程序\案例12 SVM神经网络的数据分类预测-葡萄酒种类识别\html\chapter12_03.png, 9026 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能, 0 , 2019-08-01
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\chapter13_GA.m, 8171 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\chapter13_GridSearch.m, 7762 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\chapter13_PSO.m, 10174 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\chapter13_wine.mat, 20168 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html, 0 , 2019-08-01
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13.png, 3348 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_01.png, 6809 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_02.png, 10845 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_03.png, 11480 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_04.png, 14158 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_05.png, 18174 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_06.png, 15252 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_07.png, 9026 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GA.png, 3294 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GA_01.png, 6809 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GA_02.png, 10845 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GA_03.png, 13253 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GA_04.png, 9059 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch.png, 3348 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_01.png, 6809 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_02.png, 10845 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_03.png, 12629 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_04.png, 899 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_05.png, 22250 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_06.png, 15799 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_GridSearch_07.png, 9026 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_PSO.png, 3294 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_PSO_01.png, 6809 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_PSO_02.png, 10845 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_PSO_03.png, 14034 , 2017-11-05
源程序\案例13 SVM神经网络中的参数优化---提升分类器性能\html\chapter13_PSO_04.png, 9059 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测, 0 , 2019-08-01
源程序\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, 7233 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\chapter14_sh.mat, 219976 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html, 0 , 2019-08-01
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14.png, 3946 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_01.png, 8480 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_02.png, 8842 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_03.png, 18129 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_04.png, 25637 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_05.png, 11885 , 2017-11-05
源程序\案例14 SVM神经网络的回归预测分析---上证开盘指数预测\html\chapter14_06.png, 10478 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测, 0 , 2019-08-01
源程序\案例15 SVM神经网络的信息粒化时序回归预测\chapter15.m, 11079 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\chapter15_sh.mat, 256680 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\FIG_D.m, 6456 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html, 0 , 2019-08-01
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15.png, 4443 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_01.png, 8510 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_02.png, 15731 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_03.png, 10641 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_04.png, 11691 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_05.png, 17069 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_06.png, 12615 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_07.png, 12873 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_08.png, 11005 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_09.png, 11547 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_10.png, 16527 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_11.png, 12313 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_12.png, 14398 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_13.png, 11769 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_14.png, 7704 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_15.png, 8789 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_16.png, 12046 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\html\chapter15_17.png, 13220 , 2017-11-05
源程序\案例15 SVM神经网络的信息粒化时序回归预测\original.tif, 1856042 , 2017-11-05
源程序\案例16 单层竞争神经网络的数据分类—患者癌症发病预测, 0 , 2019-08-01
源程序\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, 1053 , 2018-09-04
源程序\案例16 单层竞争神经网络的数据分类—患者癌症发病预测\gene.mat, 23895 , 2017-11-05
源程序\案例17 SOM神经网络的数据分类--柴油机故障诊断, 0 , 2019-08-01
源程序\案例17 SOM神经网络的数据分类--柴油机故障诊断\addon.m, 2602 , 2017-11-05
源程序\案例17 SOM神经网络的数据分类--柴油机故障诊断\chapter17.m, 1896 , 2018-09-05
源程序\案例17 SOM神经网络的数据分类--柴油机故障诊断\p.mat, 606 , 2017-11-05
源程序\案例18 Elman神经网络的数据预测—电力负荷预测模型研究, 0 , 2019-08-01
源程序\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, 3344 , 2017-11-05
源程序\案例18 Elman神经网络的数据预测—电力负荷预测模型研究\data.mat, 406 , 2017-11-05
源程序\案例19 概率神经网络的分类预测-基于PNN变压器故障诊断, 0 , 2019-08-01
源程序\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, 3152 , 2017-11-05
源程序\案例19 概率神经网络的分类预测-基于PNN变压器故障诊断\data.mat, 805 , 2017-11-05

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

  • hyenae-0.35-2
    Hyenae是一种高度灵活和平台独立的网络数据包发生器。它允许你复制水平低以太网攻击的情况（如MITM ， DOS ，和的DDoS ）揭示您的网络中潜在的安全漏洞。(Hyenae is a highly flexible and platform independent network packet generator. It allows you to copy the low level of attacks over Ethernet (such as MITM, DOS, and the DDoS) reveals the potential of your network security vulnerabilities.)
    2010-11-20 11:32:10下载
    积分：1
  • BSection
    将patran中的模型的bdf文件中的单元信息和节点信息保存成txt文档，在matlab中调用，直接输出为vabs的前处理文件(Save the unit information and node information in the BDF file of the Patran into TXT document, call it in MATLAB and output it directly to the pretreatment file of vabs.)
    2021-09-15 21:30:02下载
    积分：1
  • PC与三菱PLC通信
    PC与三菱PLC通信
    2020-12-07下载
    积分：1
  • ShopExV4dot7
    完整的网络商店源代码，实现了不会编程也可以方便的网上开商店。(integrity of the network stores source code, not realizing the program can also operated a shop on the Internet.)
    2007-03-12 12:10:24下载
    积分：1
  • 1JSP笔记
    jsP个人笔记，十分适合新手学习，建议下载，内容详细(JsP personal notes, very suitable for beginners to learn, it is recommended to download, detailed content)
    2020-06-24 09:00:02下载
    积分：1
  • 远程证明
    这个项目是关于如何计算远程计算机的身份。服务器端是建立在基于TPM的计算机上的，当其他计算机想知道基于TPM的计算机的完整性时，计算机可以通过建立在其上的客户端发送请求。当TPM计算机接收到请求时，它向远程计算机发送相应的数据，然后远程计算机可以计算基于TPM的计算机的完整性并决定是否信任它。这项技术在当今的计算领域非常有用，大大提高了计算网络的安全性。
    2023-07-03 15:15:03下载
    积分：1
  • mytopo
    说明：  拓扑发现程序，并且获取路由器交换机等设备的相关信息，能够对相关设备参数进行设置(Topology discovery process and equipment for routers, switches and other related information, can set parameters related equipment)
    2010-04-19 15:41:31下载
    积分：1
  • afti
    A new method of propagation for computer viruses is here presented, Automated File Transfer Infection (AFTI). This method is specific for the Microsoft® Windows® NT/2000/XP/Server 2003 platforms, albeit it may be extended to the 95/98/ME systems as well, and even other Operating Systems. It is based upon WinSock 2 hooking with the Service Provider Interface (SPI).(A new method of propagation for computer vi ruses is here presented. Automated File Transfer Infection (AFTI). Thi 's method is specific for the Microsoft)
    2007-04-14 12:37:29下载
    积分：1
  • fitcsvm
    说明：  Matlab可以使用fitrsvm创建回归支持向量机模型。fitrsvm在中低维预测变量数据集上训练或交叉验证支持向量机（SVM）回归模型。 fitrsvm支持使用内核函数映射预测变量数据，并支持通过二次编程实现目标函数最小化。要在高维数据集（即包含许多预测变量的数据集）上训练线性SVM回归模型，请改用fitrlinear。(Matlab can use fitrsvm to create regression support vector machine model. Fitrsvm trains or cross validates the support vector machine (SVM) regression model on the medium and low dimensional prediction variable data set. Fitrsvm supports the use of kernel function mapping to predict variable data, and supports the goal function minimization through secondary programming. To train a linear SVM regression model on a high-dimensional dataset (that is, a dataset containing many predictors), use fitrlinear instead.)
    2020-12-16 19:19:12下载
    积分：1
  • androw在wifi下手机与电脑的socket通信
    压缩包中详细描述了套接字网络编程中的手机电脑连接实例，有图有真相，是实现手机电脑互相控制的基础，各自作为服务器，客户端，包含了tcp,udp两大方面进行了详细的描述。
    2022-03-19 20:45:06下载
    积分：1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载

热门标签

Visual C++ matlab C/C++ Java Others Unix_Linux EasyLanguage易语言 Visual Basic C# PDF C++ Delphi VHDL ASP WINDOWS
热门下载

Copyright© 2019-2026 | Powered by Imdn | 浙ICP备16007336号 | IMDN交流 | 联系客服（QQ：3324461878）

本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！