BP networksBP networksBP networksBP networksBP networks

神经网络中学习矢量量化模型算法的源程序，属于有导师学习！-Neural network model of learning vector quantization algorithm source code, which has instructors to learn!

神经网络算法-Neural network algorithm

请让我成为会员，上串的是我编写的一个诊断专家系统的神经网络部分的代码。-let me become a member, on the string of my preparation of a diagnostic expert system the neural network part of the code.

分类器的设计，包括knn方法和BP的方法。对一系列样本点进行分类-Classifier design, including methods and BP KNN method. On a series of sample points to classify

《人工神经元网络》含有实用的网络模型、学习规则和训练方法的一些算法程序，对学习人工智能，模式识别的人有一些帮助！-"artificial neural network" contains practical network model, learning rules and the training methods of some algorithm for the study of artificial intelligence, pattern recognition of some help!

一个简单的遗传算法源代码。。。。。代码保证尽可能少，实际上也不必查错-A simple genetic algorithm source code. . . . . Code to ensure that as little as possible, in fact, do not have error checking

EM算法，详细介绍了EM算法的应用，对研究EM算法的人来说有很大的帮助。-EM algorithm, described in detail the application of EM algorithm

层次聚类算法中的cure算法，它利用代表点来达到聚类目的-hierarchical clustering algorithm cure the algorithm, which uses representatives point to achieve clustering purpose

该工具包提供七种神经网络的C语言实现方式，对那些真正学习神经网络的人有一定的帮助和指导意义。-The kit provides seven neural networks realize the C language by means of neural networks to learn who the real people who have a certain degree of help and guidance.

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor