最佳答案:现代意义上对神经网络(特指人工神经网络)的研究一般认为从1943年美国芝加哥大学的生理学家W.S.McCulloch和W.A.Pitts提出M-P神经元模型开始
最佳答案:这些只是神经网络运行的参数,比如epoch就是迭代的次数,mse就是平均方差,目标值.
最佳答案:线性神经网络:平面或者超平平非线性神经网络:曲面或者超曲面
最佳答案:数据的非线性程度不好,会产生早熟现象,一般不使用神经网络模型
最佳答案:应该没有太大的关系吧,我对遗传算法了解一点,遗传算法主要用来优化神经网络第一次运行时所用的连接权值,因为随机的连接权值往往不能对针对的问题有比较好的收敛效果(M
最佳答案:x=[6.2 ,5.8 ,5.5 , 5.6 ,5.4 ,5.1 ,5.2 , 5.2 ,5.1 ,4.9 ,4.8 ,5 ,5.2 ,5.3 ...,5.2
最佳答案:你的数据尚未归一化,并且需要足够数量的样本才能完成训练.上传的.m文件其实并不复杂,因为matlab已经有了建立elman神经网络的函数,直接调用即可.net=
最佳答案:理论上可以,因为成绩的分布是正太分布 用这几位的成绩做个正太 再具体问题具体分析
最佳答案:输出向量与输入向量对应,输出向量不一定是目标向量,目标向量是一个理想的输出.比如说输出[1,0],目标向量就是输出[1,0],而你的输出向量可能是[0.999,
最佳答案:要英文的还是中文的?英文的话有本书:Neural Networks for Pattern Recognition作者Christopher M. Bishop
最佳答案:要来个对比么?其中蚁群算法、遗传算法我比较熟悉,神经网络稍有了解,微分进化算法不熟悉.要说应用的难易程度,我排个序,由难到易依次为:神经网络->遗传算法->蚁群
最佳答案:你只有样品的寿命数据还是没办法用上神经网络进行预测的,你需要其他的一些性能或者是损伤数据来使用神经网络来寻找这些参数和产品寿命的关系,才能实现样品的预测.如果你
最佳答案:说不上优势,只是使用中方便性有点差别神经网络的结构比较适合做多分类问题,SVM本质上是处理二分类问题,当然通过1v1或1vall的方式也可以做多分类
最佳答案:net=init(net);不用这一句,把‘logsig‘改成“tansig”,第一个,同样,把第二个改成’purelin‘建议你把’trainrp‘改成’tr
最佳答案:您的问题有点奇怪,宇宙坍塌竟然和人工智能放到一起问了,我来尝试作个简单的回答.宇宙的存在并不基于科学研究的虚相物质,宇宙的本质是由一个被人类称为“宇宙本源”、“