说明: 为检验支持向量机非线性回归的泛化能力,BP神经网络有着很强的非线性拟合能力,能以任意精度逼近任意非线性连续函数,当然其前提条件是——神经网络构造适当并且训练充分。
说明:包含特征值与特征向量的提取、训练样本以及最后的识别,针对EMD方法的不足,包含CV、CA、Single、当前、恒转弯速率、转弯模型,使用混沌与分形分析的例程,用于建立主成分分析模型,插值与拟合,解方程,数据分析,包括AHP,因子分析,回归分析,聚类分析。a
说明:学习向量化(LVQ)神经网络是一种用于训练竞争层的有监督学习方法的输入前向神经网络,其算法是从Kohonen竞争算法演化而来的。LVQ神经网络在模式识别和优化领域有着广泛地应用。
说明:人脸识别,基于神经网络,代码很精练。 NEWFF——生成一个新的前向神经网络 TRAIN—对 BP 神经网络进行训练 SIM——对 BP 神经网络进行仿真
说明:BP算法实现异或问题,采用S型函数的前向多层神经网络及其逆推学习算法
说明:利用matlab对神经网络进行编程,用newff()创建两层前向网络。网络输入范围[-1 1],第一层有10个tansig神经元
matlab-newff rbfn neural-network-newff matlab-RBF 2010matlab--newff