概述：ZISC78是由IBM和Sillicon聯(lián)合研發(fā)的一種具有自學(xué)習(xí)功能的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)芯片，它內(nèi)含78個(gè)神經(jīng)元；并且采用并行結(jié)構(gòu),運(yùn)行速度與神經(jīng)元數(shù)量無關(guān)；支持RBF/KNN算法；內(nèi)部可分為若干獨(dú)立子網(wǎng)...
2021-04-07 06:48:33
神經(jīng)網(wǎng)絡(luò)基本介紹
2018-01-04 13:41:23
第1章 概述 1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展 1.2 生物神經(jīng)元 1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成 第2章人工神經(jīng)網(wǎng)絡(luò)基本模型 2.1 MP模型 2.2 感知器模型 2.3 自適應(yīng)線性
2012-03-20 11:32:43
將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)
2022-01-11 06:20:53
神經(jīng)網(wǎng)絡(luò)簡介
2012-08-05 21:01:08
基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法
2019-05-16 17:25:05
MATLAB神經(jīng)網(wǎng)絡(luò)
2013-07-08 15:17:13
網(wǎng)絡(luò)newrbe 設(shè)計(jì)一嚴(yán)格的徑向基網(wǎng)絡(luò)newgrnn 設(shè)計(jì)一廣義回歸神經(jīng)網(wǎng)絡(luò)newpnn 設(shè)計(jì)一概率神經(jīng)網(wǎng)絡(luò)newc 創(chuàng)建一競爭層newsom 創(chuàng)建一自組織特征映射newhop 創(chuàng)建一Hopfield
2009-09-22 16:10:08
：
神經(jīng)網(wǎng)絡(luò)卷積函數(shù)
神經(jīng)網(wǎng)絡(luò)激活函數(shù)
全連接層函數(shù)
神經(jīng)網(wǎng)絡(luò)池化函數(shù)
Softmax 函數(shù)
神經(jīng)網(wǎng)絡(luò)支持功能
該庫具有用于操作不同權(quán)重和激活數(shù)據(jù)類型的單獨(dú)函數(shù)，包括 8 位整數(shù)
2025-10-29 06:08:21
請(qǐng)問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如
2017-02-22 16:08:08
習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)
2021-08-18 07:25:21
學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域，是一種模仿生物神經(jīng)網(wǎng)絡(luò)（動(dòng)物的中樞神經(jīng)系統(tǒng)，特別是大腦）的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計(jì)算模型，用于對(duì)函數(shù)進(jìn)行估計(jì)或近似。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計(jì)算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)
2019-03-03 22:10:19
今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個(gè)代表，競爭型學(xué)習(xí)
2019-07-21 04:30:00
`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向
2019-07-21 04:00:00
人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個(gè)“網(wǎng)絡(luò)”，通過不斷地給
2008-06-19 14:40:42
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？
2019-08-01 08:06:21
簡單理解LSTM神經(jīng)網(wǎng)絡(luò)
2021-01-28 07:16:57
全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
2019-06-06 14:21:42
卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？
2022-09-08 10:23:10
卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡明的答案。
2019-07-17 07:21:50
地介紹了卷積 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史，然后分析了典型的卷積神經(jīng) 網(wǎng)絡(luò)模型通過堆疊結(jié)構(gòu)、網(wǎng)中網(wǎng)結(jié)構(gòu)、殘差結(jié)構(gòu)以及 注意力機(jī)制提升模型性能的方法，并進(jìn)一步介紹了 特殊的卷積神經(jīng)網(wǎng)絡(luò)模型及其結(jié)構(gòu)，最后討論了卷
2022-08-02 10:39:39
卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)的常用框架
2020-12-29 06:16:44
抽象人工智能 （AI） 的世界正在迅速發(fā)展，人工智能越來越多地支持以前無法實(shí)現(xiàn)或非常難以實(shí)現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN） 及其在 AI 系統(tǒng)中機(jī)器學(xué)習(xí)中的重要性。CNN 是從
2023-02-23 20:11:10
什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？
2021-06-17 11:48:22
最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP
2021-09-07 07:43:47
FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性
2021-04-30 06:58:13
基于光學(xué)芯片的神經(jīng)網(wǎng)絡(luò)訓(xùn)練解析，不看肯定后悔
2021-06-21 06:33:55
基于深度神經(jīng)網(wǎng)絡(luò)的激光雷達(dá)物體識(shí)別系統(tǒng)及其嵌入式平臺(tái)部署
2021-01-04 06:26:23
的貝葉斯分類器得到了廣泛的認(rèn)可。 徑向基函數(shù)（RBF）網(wǎng)絡(luò)是一種性能良好的前饋型三層神經(jīng)網(wǎng)絡(luò)，具有全局逼近性質(zhì)和最佳逼近性能，訓(xùn)練方法快速易行，RBF 函數(shù)還具有局部響應(yīng)的生物合理性。RBF神經(jīng)網(wǎng)絡(luò)
2009-10-23 10:03:57
如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
2021-10-11 08:05:42
由于時(shí)變非線性和強(qiáng)耦合的控制系統(tǒng)還沒有精確的數(shù)學(xué)模型，因而傳統(tǒng)的依賴被控對(duì)象數(shù)學(xué)模型的控制策略及其控制系統(tǒng)的封閉式結(jié)構(gòu)很難對(duì)其實(shí)施有效控制。神經(jīng)網(wǎng)絡(luò)控制能夠很好地克服系統(tǒng)中模型參數(shù)的變化和非線性等
2019-08-12 06:25:35
原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測(cè)的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測(cè)能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測(cè)
2021-07-12 08:02:11
神經(jīng)網(wǎng)絡(luò)的并行特點(diǎn)，而且它還可以根據(jù)設(shè)計(jì)要求配置硬件結(jié)構(gòu)，例如根據(jù)實(shí)際需要，可靈活設(shè)計(jì)數(shù)據(jù)的位寬等。隨著數(shù)字集成電路技術(shù)的飛速發(fā)展，F(xiàn)PGA芯片的處理能力得到了極大的提升，已經(jīng)完全可以承擔(dān)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)壓縮
2019-08-08 06:11:30
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模擬污水生物處理（1.浙江工業(yè)大學(xué)建筑工程學(xué)院, 杭州 310014; 2.鎮(zhèn)江水工業(yè)公司排水管理處，鎮(zhèn)江 212003）摘要：針對(duì)復(fù)雜的非線性污水生物處理過程，開發(fā)了徑向基函數(shù)的人
2009-08-08 09:56:00
硬件神經(jīng)網(wǎng)絡(luò)技術(shù)ZISC的工作原理如何用VLSI設(shè)計(jì)硬件神經(jīng)網(wǎng)絡(luò)？ZISC技術(shù)及其在模式識(shí)別中的應(yīng)用
2021-04-12 06:55:38
小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問這個(gè)控制方法可以嗎？有誰會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝
2016-09-23 13:43:16
求助大神 小的現(xiàn)在有個(gè)難題： 一組車重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值） 這其中可能經(jīng)過均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算 我的目的就是弄清楚這個(gè)中間計(jì)算過程 最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序
2016-07-14 13:35:44
視覺任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識(shí)別模型.onnx...
2021-12-14 07:35:25
神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)及其在運(yùn)動(dòng)控制中的應(yīng)用是一本關(guān)于人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯系統(tǒng)，以及模糊神經(jīng)網(wǎng)絡(luò)研究成果的專著。作者在簡要介紹神經(jīng)網(wǎng)絡(luò)理論與模糊理論的基礎(chǔ)上，對(duì)人
2009-01-13 15:18:34
0 為構(gòu)建徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型，以相空間重構(gòu)理論為基礎(chǔ)，提出基于粒子群的自動(dòng)搜索算法，并以Logistic映射和水聲信號(hào)作為研究對(duì)象，把該算法與同類算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表
2009-04-10 09:01:1011 一般的加權(quán)一階局域預(yù)測(cè)法是利用最小二乘法求解模型，從而對(duì)混沌時(shí)序進(jìn)行預(yù)測(cè)?；?b class="flag-6" style="color: red">徑向基神經(jīng)網(wǎng)絡(luò)的局域預(yù)測(cè)法是在加權(quán)一階局域預(yù)測(cè)模型的理論基礎(chǔ)上，應(yīng)用徑向基神經(jīng)網(wǎng)
2009-04-23 10:02:5116 首先介紹人工神經(jīng)網(wǎng)絡(luò)ANN 實(shí)現(xiàn)技術(shù)的歷史、現(xiàn)狀和發(fā)展，著重分析RBF網(wǎng)絡(luò)的原理及其建立在超大規(guī)模集成電路基礎(chǔ)上的硬件神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法。然后，介紹一種新的硬件神經(jīng)網(wǎng)絡(luò)
2009-05-14 16:24:039 研究了天氣和特殊事件對(duì)電力負(fù)荷的影響，建立了結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)來進(jìn)行短期負(fù)荷預(yù)測(cè)的模型。將溫度、降雨量運(yùn)用于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中，提高了訓(xùn)練的可信度和可靠
2009-05-26 20:59:1446 將模糊徑向基函數(shù)(f-RBF)神經(jīng)網(wǎng)絡(luò)算法用于永磁同步電機(jī)(PMSM)的速度控制。針對(duì)電機(jī)的動(dòng)態(tài)和非線性特點(diǎn)，結(jié)合PMSM驅(qū)動(dòng)的矢量控制方法, 設(shè)計(jì)了f-RBF在線辨識(shí)器和速度控制器。在Matl
2009-06-01 16:09:1922 本文針對(duì)工業(yè)零件設(shè)計(jì)中曲面數(shù)據(jù)的破損問題，提出了一種基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)修補(bǔ)方法。闡述了數(shù)據(jù)修補(bǔ)方法的原理，設(shè)計(jì)了網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練算法，運(yùn)用K均值算
2009-06-09 16:34:3012 針對(duì)火電廠汽輪發(fā)電機(jī)組經(jīng)濟(jì)性監(jiān)測(cè)系統(tǒng)中參數(shù)失效的問題,提出了利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的仿真手段作為虛擬傳感器。分析了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的原理與特點(diǎn),總結(jié)了求解各層權(quán)
2009-06-30 10:36:0512 提出了基于智能嗅覺系統(tǒng)的識(shí)別混合有毒氣體組分濃度的方法。該系統(tǒng)包括兩大部分: 有毒氣體傳感器陣列模塊和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模塊。前者用于獲取反映有毒氣體組分的電信號(hào)
2009-07-10 15:50:0423 本文介紹了基于matlab 的徑向基函數(shù)RBF 神經(jīng)網(wǎng)絡(luò)對(duì)于圖書館借書量預(yù)測(cè)的方法，討論了RBF 神經(jīng)網(wǎng)絡(luò)的構(gòu)造思路、參數(shù)和分布密度spread 的選擇。為圖書館工作人員書籍管理提供了新
2009-08-05 08:19:0419 RBF 徑向基神經(jīng)網(wǎng)絡(luò)在工程中，尤其是各種智能控制中的應(yīng)用十分廣泛。其隱含層的非線性激活函數(shù)經(jīng)常采用高斯徑向基函數(shù)，這一函數(shù)為一指數(shù)函數(shù)。指數(shù)函數(shù)用硬件實(shí)現(xiàn)起來比
2009-09-02 18:06:4624 本文提出的利用徑向基神經(jīng)網(wǎng)絡(luò)（RBFNN）或廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）建立熱電偶特性模型的方法，解決了BP 神經(jīng)網(wǎng)絡(luò)熱電偶模型精度不高、重復(fù)訓(xùn)練時(shí)輸出結(jié)果發(fā)生變化，有時(shí)出
2009-09-03 17:12:0019 針對(duì)目前我國稅收業(yè)務(wù)征管考核的主觀性大，難以建立精確快速的自動(dòng)征管考核的問題，本文采用了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立征管考核的數(shù)學(xué)模型，選取實(shí)際征管考核樣本數(shù)據(jù)對(duì)
2009-09-16 11:08:347 將模糊徑向基函數(shù)(f-RBF)神經(jīng)網(wǎng)絡(luò)算法用于永磁同步電機(jī)(PMSM)的速度控制。針對(duì)電機(jī)的動(dòng)態(tài)和非線性特點(diǎn)，結(jié)合PMSM驅(qū)動(dòng)的矢量控制方法, 設(shè)計(jì)了f-RBF在線辨識(shí)器和速度控制器。在Matl
2009-12-14 16:52:5116 為有效解決系統(tǒng)的最經(jīng)濟(jì)控制問題,本文提出將系統(tǒng)的經(jīng)濟(jì)收益問題轉(zhuǎn)換為對(duì)系統(tǒng)控制結(jié)構(gòu)和參數(shù)的優(yōu)化問題。首先提出將網(wǎng)絡(luò)代價(jià)的概念植入徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF網(wǎng)絡(luò))結(jié)構(gòu)的優(yōu)
2010-02-23 14:11:3311 徑向基函數(shù)網(wǎng)絡(luò)在平原河網(wǎng)水質(zhì)評(píng)價(jià)中的應(yīng)用摘要:利用MatLab 神經(jīng)網(wǎng)絡(luò)工具箱構(gòu)建了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF2ANN) 模型,并用于平原河網(wǎng)和水庫的水質(zhì)評(píng)價(jià).該模型以
2010-05-05 11:06:3921 在應(yīng)用徑向基函數(shù)RBF（Radial Basis Function）神經(jīng)網(wǎng)絡(luò)對(duì)機(jī)器人進(jìn)行軌跡規(guī)劃時(shí),為解決一般學(xué)習(xí)算法中收斂速度慢、學(xué)習(xí)精度不高的問題，提出一種混合學(xué)習(xí)算法。該方法根據(jù)軌跡規(guī)劃
2010-12-31 17:17:5118 提出了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)應(yīng)用于變速箱齒輪故障診斷的基本方法 利用345647 神經(jīng)網(wǎng)絡(luò)工具箱對(duì)變速箱齒輪進(jìn)行故障診斷仿真并創(chuàng)建神經(jīng)網(wǎng)絡(luò)與(神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障診斷$ 通過對(duì)比診斷結(jié)果證明網(wǎng)絡(luò)在診斷精度診斷速度上均優(yōu)于 網(wǎng)絡(luò)說網(wǎng)絡(luò)應(yīng)用于齒 輪的故障診斷準(zhǔn)確
2011-02-11 14:04:1032 傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)集成中各個(gè)自網(wǎng)絡(luò)間的相關(guān)性較大，從而影響集成的泛化能力，本內(nèi)容提出了基于負(fù)相關(guān)神經(jīng)網(wǎng)絡(luò)集成算法及其應(yīng)用
2011-05-26 15:45:4918 提出了一種基于徑向基函數(shù)(RBF) 免疫神經(jīng)網(wǎng)絡(luò) 的故障檢測(cè)方法,該故障檢測(cè)方法由系統(tǒng)辨識(shí)、殘差過濾和故障報(bào)警濃度等功能模塊構(gòu)成。系統(tǒng)辨識(shí)基于免疫RBF神經(jīng)網(wǎng)絡(luò),用于故障檢測(cè)的殘
2011-07-27 16:51:2122 為了提高電力系統(tǒng)負(fù)荷預(yù)測(cè)的精度與速度的需求，提出使用交替梯度算法改進(jìn)徑向基函數(shù)（RBF） 神經(jīng)網(wǎng)絡(luò)， 對(duì)天津市電網(wǎng)進(jìn)行負(fù)荷預(yù)測(cè)。改進(jìn)的算法與傳統(tǒng)梯度下降算法相比，具有更
2013-01-30 14:27:3855 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用-復(fù)旦大學(xué)出版社-張立明。
2016-04-12 11:08:100 基于選擇性集成徑向基神經(jīng)網(wǎng)絡(luò)的來波方向估計(jì)_羅爭
2017-01-07 16:24:520 基于徑向基函數(shù)的位置預(yù)測(cè)技術(shù)_李智超
2017-03-16 08:00:000 RBF是具有單隱層的三層前向網(wǎng)絡(luò)。第一層為輸入層，由信號(hào)源節(jié)點(diǎn)組成。第二層為隱藏層，隱藏層節(jié)點(diǎn)數(shù)視所描述問題的需要而定，隱藏層中神經(jīng)元的變換函數(shù)即徑向基函數(shù)是對(duì)中心點(diǎn)徑向對(duì)稱且衰減的非負(fù)線性函數(shù)，該函數(shù)是局部響應(yīng)函數(shù)
2017-11-30 18:01:42
8280 
基于RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)，徑向基函數(shù)(RBF-Radial Basis Function)神經(jīng)網(wǎng)絡(luò)是由J.Moody和C.Darken在80年代末提出的一種神經(jīng)網(wǎng)絡(luò)它是具有單隱層的三層前饋網(wǎng)絡(luò)。由于
2017-12-06 15:10:300 本文介紹了26個(gè)激活函數(shù)的圖示及其一階導(dǎo)數(shù)，在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)決定來自給定輸入集的節(jié)點(diǎn)的輸出，其中非線性激活函數(shù)允許網(wǎng)絡(luò)復(fù)制復(fù)雜的非線性行為。正如絕大多數(shù)神經(jīng)網(wǎng)絡(luò)借助某種形式的梯度下降進(jìn)行優(yōu)化，激活函數(shù)需要是可微分（或者至少是幾乎完全可微分的）。
2018-01-11 17:42:3932698 
本文檔的主要內(nèi)容詳細(xì)介紹的是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)詳細(xì)資料免費(fèi)下載
2018-08-10 08:00:003 的 Logistic regression 就可以認(rèn)為是一個(gè)不含隱含層的輸出層激活函數(shù)用 sigmoid（logistic） 的神經(jīng)網(wǎng)絡(luò)，顯然 Logistic regression 就不是 deep 的。不過，現(xiàn)在
2018-09-06 20:48:01937 本視頻主要詳細(xì)介紹了神經(jīng)網(wǎng)絡(luò)分類，分別是BP神經(jīng)網(wǎng)絡(luò)、RBF（徑向基）神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)。
2019-04-02 15:29:2214844 什么是神經(jīng)網(wǎng)絡(luò)激活函數(shù)？激活函數(shù)有助于決定我們是否需要激活神經(jīng)元。如果我們需要發(fā)射一個(gè)神經(jīng)元那么信號(hào)的強(qiáng)度是多少。激活函數(shù)是神經(jīng)元通過神經(jīng)網(wǎng)絡(luò)處理和傳遞信息的機(jī)制
2020-07-05 11:21:214412 
神經(jīng)網(wǎng)絡(luò)及其在GIS中的應(yīng)用說明。
2021-04-27 09:36:1611 自組織神經(jīng)網(wǎng)絡(luò)及其運(yùn)用說明。
2021-05-31 16:25:248 自構(gòu)造RBF神經(jīng)網(wǎng)絡(luò)及其參數(shù)優(yōu)化說明。
2021-05-31 15:25:019 文章系統(tǒng)地闡述了神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的本質(zhì)、優(yōu)勢(shì)與研究進(jìn)展，介紹了神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的不同結(jié)構(gòu)模型及其所具有的特性，分析了目前神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制尚存在的問題，及其日后的研究重點(diǎn)與方向，指出了神經(jīng)網(wǎng)絡(luò)與自適應(yīng)控制相結(jié)合，應(yīng)用于控制系統(tǒng)中的優(yōu)越性和可行性。
2021-05-31 16:35:5411 在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)絡(luò)。
2023-02-23 09:14:444833 作者：Mouaad B. 來源：DeepHub IMBA 如果你剛剛開始學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，激活函數(shù)的原理一開始可能很難理解。但是如果你想開發(fā)強(qiáng)大的神經(jīng)網(wǎng)絡(luò)，理解它們是很重要的。 但在我們深入研究激活函數(shù)
2023-04-18 11:20:04993 
作者：MouaadB.來源：DeepHubIMBA如果你剛剛開始學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，激活函數(shù)的原理一開始可能很難理解。但是如果你想開發(fā)強(qiáng)大的神經(jīng)網(wǎng)絡(luò)，理解它們是很重要的。但在我們深入研究激活函數(shù)之前，先
2023-04-21 09:28:421579 
在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)是一個(gè)至關(guān)重要的組成部分，它決定了神經(jīng)元對(duì)于輸入信號(hào)的反應(yīng)方式，為神經(jīng)網(wǎng)絡(luò)引入了非線性因素，使得網(wǎng)絡(luò)能夠?qū)W習(xí)和處理復(fù)雜的模式。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)，包括其定義、特點(diǎn)、數(shù)學(xué)形式以及在神經(jīng)網(wǎng)絡(luò)中的作用和用途。
2024-07-01 11:52:131725 ，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展成為機(jī)器學(xué)習(xí)和人工智能領(lǐng)域的重要技術(shù)之一。本文將詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用。 引言 人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計(jì)算模型，它通過大量的簡單計(jì)算單元（神經(jīng)元）和它們之間的連接（權(quán)重）來實(shí)現(xiàn)對(duì)數(shù)據(jù)的學(xué)習(xí)和處理。與傳統(tǒng)的計(jì)
2024-07-02 10:04:282559 引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，廣泛應(yīng)用于圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域。在神經(jīng)網(wǎng)絡(luò)中，激活函數(shù)起著至關(guān)重要的作用，它決定了神經(jīng)元的輸出值，進(jìn)而影響整個(gè)網(wǎng)絡(luò)的性能。本文將
2024-07-02 10:09:551992 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、視頻分析、自然語言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)及其功能
2024-07-02 14:45:444595 起著至關(guān)重要的作用，它們可以增加網(wǎng)絡(luò)的非線性，提高網(wǎng)絡(luò)的表達(dá)能力，使網(wǎng)絡(luò)能夠?qū)W習(xí)到更加復(fù)雜的特征。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的作用、常見激活函數(shù)及其特點(diǎn)，以及激活函數(shù)在網(wǎng)絡(luò)優(yōu)化中的應(yīng)用。 一、激活函數(shù)的作用 引入非線性 ：激活函數(shù)的主要作用是引
2024-07-03 09:18:342547 中，激活函數(shù)起著至關(guān)重要的作用，它決定了神經(jīng)元的輸出方式，進(jìn)而影響整個(gè)網(wǎng)絡(luò)的性能。 一、激活函數(shù)的作用 激活函數(shù)是BP神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的核心組成部分，其主要作用如下： 引入非線性：激活函數(shù)將神經(jīng)元的線性輸出轉(zhuǎn)換為非線性輸出，使得神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)和模擬復(fù)雜的
2024-07-03 10:02:011807 結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的比較： 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。每個(gè)神經(jīng)元之間通過權(quán)重連接，并通過激活函數(shù)進(jìn)行非線性轉(zhuǎn)換。BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法進(jìn)行訓(xùn)練，通過調(diào)整權(quán)重和偏置來最小化損失函數(shù)。 卷積神經(jīng)網(wǎng)絡(luò)
2024-07-03 10:12:473378 神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對(duì)初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-03 11:00:201737 神經(jīng)網(wǎng)絡(luò)芯片和普通芯片的區(qū)別是一個(gè)復(fù)雜而深入的話題，涉及到計(jì)算機(jī)科學(xué)、電子工程、人工智能等多個(gè)領(lǐng)域。 定義 神經(jīng)網(wǎng)絡(luò)芯片（Neural Network Processor，簡稱NNP）是一種專門用于
2024-07-04 09:30:033059 引言 隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)算法在圖像識(shí)別、自然語言處理、語音識(shí)別等領(lǐng)域取得了顯著的成果。然而，深度學(xué)習(xí)算法對(duì)計(jì)算資源的需求非常高，傳統(tǒng)的計(jì)算芯片已經(jīng)無法滿足其需求。因此，神經(jīng)網(wǎng)絡(luò)芯片
2024-07-04 09:31:322342 結(jié)構(gòu)、原理、應(yīng)用場(chǎng)景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的詳細(xì)比較： 基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。每個(gè)神經(jīng)元之間通過權(quán)重連接，并通過激活函數(shù)進(jìn)行非線性轉(zhuǎn)換。BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法進(jìn)行訓(xùn)練，通過調(diào)整權(quán)重和偏置來最小化損失函數(shù)。 卷積神經(jīng)
2024-07-04 09:49:4426257 神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對(duì)初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu
2024-07-04 09:51:321388 通過模仿人類大腦神經(jīng)元的連接方式和處理機(jī)制，設(shè)計(jì)多層神經(jīng)元結(jié)構(gòu)來處理復(fù)雜的數(shù)據(jù)模式，從而在各種數(shù)據(jù)驅(qū)動(dòng)的問題中展現(xiàn)出強(qiáng)大的能力。本文將從深度神經(jīng)網(wǎng)絡(luò)的基本概念、結(jié)構(gòu)、工作原理、關(guān)鍵技術(shù)以及其在多個(gè)領(lǐng)域的應(yīng)用等方面進(jìn)行全面概述。
2024-07-04 16:08:163802 和激活函數(shù)的非線性變換，能夠?qū)W習(xí)和模擬復(fù)雜的函數(shù)映射，從而解決各種監(jiān)督學(xué)習(xí)任務(wù)。本文將詳細(xì)闡述前饋神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，包括其組成層、權(quán)重和偏置、激活函數(shù)等，并介紹幾種常見的激活函數(shù)及其特性。
2024-07-09 10:31:592495
電子發(fā)燒友App
由于艦載武器系統(tǒng)，需選用具有在片學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)芯片，即將網(wǎng)絡(luò)訓(xùn)練所需的反饋電路及權(quán)值存儲(chǔ)、計(jì)算和修正電路都集成在了一個(gè)芯片，因而可實(shí)現(xiàn)全硬件的、具有自學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，也可以說，這是一種具有自適應(yīng)能力的神經(jīng)網(wǎng)絡(luò)。
工商網(wǎng)監(jiān)
評(píng)論