一个神经网络BP算法源码

K-mean算法实现程序-K-mean algorithm program! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !

这是个java版的人工模拟股市。-This is a java version of the artificial simulation of the stock market.

这是我自己花了很多时间写的一个BP神经网络类，里面封装了网络初始化、训练、分类等功能。奉献出来与感兴趣的朋友分享，绝对可靠。-that I spent a lot of time writing in a category BP neural network inside the network initialization package, training, classification capabilities. Dedication out with friends interested in sharing, absolutely reliable.

为了测试评估贝叶斯分类器的性能,用不同数据集进行对比实验是必不可少的. -In order to test the assessment of the performance of Bayesian classifier, and compare different experimental data sets is essential.

一个坦克大战的源码，适合VC初学者，希望对大家有所帮助！-a Tankedaizhan source code, suitable for beginners VC, and I hope to help you!

改进的BP算法程序,希望对大家有所帮助.如果需要，请-The BP algorithm to improve the process, everyone would like to help. If necessary, please take a look at.

粒子群算法的示例程序，不错。可用来进行函数优化、神经网络训练等。-PSO algorithm sample program, yes. Available for function optimization, neural network training.

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

该软件通过BP神经网络学习机制，能够对屏幕上的数字进行识别。-the software through BP neural network learning mechanism, to right on the screen digital identification.

用C++实现了期望最大化算法，为了简化，矩阵使用对角矩阵-C achieve expectations maximize algorithm, in order to simplify the use of matrix diagonal matrix