说明:这是一个四个不同的S函数实现集合的递归模糊神经网络(RFNN)。该网络采用了4组可调参数,这使得它非常适合在线学习/操作,从而可应用到系统识别等方面。
说明:一个学习递归模糊神经网络的程序,很好用,值得学习。
说明:生成手写数字图片,一共提供了三种算法,example_1和example_2训练GAN来生成手写数字图片,搭建了一个简单的GAN的网络结构,example_3难度较大。
说明:对于小样本而言,SVM的仿真效果要比神经网络好,但是SVM的性能依赖于它的两个训练参数,本算法是用GA自动选择SVM的两个参数。
说明:使用高斯混合模型(GMM),对声音信号进行识别,包括对特征参数的采集、训练和识别过程。
说明:使用双层BP神经网络,实现数据的读取,归一化处理,网络训练与网络预测,最后给出误差分析和结果可视化。
说明:部分实现了追踪测速迭代松弛算法,matlab开发工具箱中的支持向量机,主要是基于mtlab的程序,通过反复训练模板能有较高的识别率,利用贝叶斯原理估计混合logit模型的参数,BP神经网络用于函数拟合与模式识别,FIR 底通和带通滤波器和IIR 底通和带通滤波器。
说明:HMM隐马尔科夫模型源码,实现模型的训练。