VBA编程常用过程代码方案，供大家写代码参考，陆续发表： VBA过程代码6：返回当前单元格的位移Sub MyNZ()
on error resume next
ActiveCell.Offset(0, 1).Select '当前单元格向左移动一格
ActiveCell.Offset(0, -1).Select '当前单元格向右移动一格
ActiveCell.Offset(1 , 0)
转载
2024-01-31 15:15:30
0阅读
批量归一化（Batch Normalization，BN）方法有效规避了这些复杂参数对网络训练产生的影响，在加速训练收敛的同时也提升了网络的泛化能力。 神经网络训练的本质是学习数据的分布，如果训练数据和测试数据分布不同的话，学习的泛华能力大大降低。因此需要在训练开始前对数据所有输入数据进行归一化处理。 然而随着网络训练的进行， 每个隐藏层参数变化会使得后一层的输入发生变化，从而使得每一批训练数据的
转载
2023-08-17 16:23:22
274阅读
是否还能告诉我网格算法是什么?Introduction 神经网络是新技术领域中的一个时尚词汇。很多人听过这个词，但很少人真正明白它是什么。本文的目的是介绍所有关于神经网络的基本包括它的功能神经网络模型有几种分类方法，试给出一种分类神经网络模型的分类人工神经网络的模型很多，可以按照不同的方法进行分类。其中，常见的两种分类方法是，按照网络连接的拓朴结构分类和按照网络内部的信息流向分类。1 按照网络拓朴
转载
2023-11-07 07:33:46
47阅读
神经网络模型有很多种类，MATLAB都有现成的函数。我只学了最简单的一种bp网络，写个模板方便后来使用。以下引用了大神博客里的一篇文章：1. 数据预处理 在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。(1) 什么是归一化？ 数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9
转载
2023-10-28 03:01:41
149阅读
随着哈里对VB学习的深入，修改了之前的矩阵运算源码。源码效率提升了85%，性能提升了12.5%，复杂度提升了N倍 Σ(っ °Д °;)っ废话不多说，上改版后的VB化Python11行BP网络源码：Private Sub Command1_Click()
Dim nv As New numvb
Dim txt As String, t As Double, te As Double,
转载
2024-01-03 10:14:31
219阅读
看不进去高深的理论，就下了个期刊小论文（基于Excel技术平台人工神经网络BP模型及应用_邹文安.pdf），配合下载的一个excel干什么的呢，我猜是输入给定的二进制数，输出给定的二进制数，找到这个函数关系。 1 Const N = 7, M = 5, L = 4, P = 10
2 'N为输入层节点个数, M为隐含层节点个数, L为输出层节点个数, P为训练样本
3
转载
2024-04-15 18:42:03
66阅读
卷积神经网络在几个主流的神经网络开源架构上面都有实现，我这里不是想实现一个自己的架构，主要是通过分析一个最简单的卷积神经网络实现代码，来达到进一步的加深理解卷积神经网络的目的．具体的怎么使用这里就不用说了，这里都有介绍，我只是分析一下这个代码的实现过程并解析代码，梳理一下神经网络是怎么使用的和构造原理．一般的神经网络主要包含几个步骤：准备滤波器。卷积层：使用滤波器对输入图像执行卷积
转载
2023-09-26 10:48:27
114阅读
一、DSP的发展历程 信息化的基础是数字化。数字化的核心技术之一是数字信号处理。数字信号处理的任务在很大程度上需要由DSP器件来完成。DSP技术已成为人们日益关注的并得到迅速发展的前沿技术。DSP可以代表数字信号处理器（Digital Signal Processor），也可以代表数字信号处理技术（Digital Signal Processing），后者是
转载
2023-11-28 06:55:16
22阅读
感谢中国人民大学的胡鹤老师，课程理论实践结合，讲得很好~神经网络是从生物领域自然的鬼斧神工中学习智慧的一种应用。人工神经网络（ANN）的发展经历的了几次高潮低谷，如今，随着数据爆发、硬件计算能力暴增、深度学习算法的优化，我们迎来了又一次的ANN雄起时代，以深度学习为首的人工神经网络，又一次走入人们的视野。感知机模型perceptron不再处理离散情况，而是连续的数值，学习时权值在变化，从而记忆存储
转载
2023-07-25 22:25:49
136阅读
重要！重要！重要~一、神经网络（NNet）的动机 神经网络有很久的历史，由感知机（perceptron）模型发展而来。单个的perceptron只能处理线性问题，通过组合（融合）多个perceptron，相当于一层的神经网络，能提高perceptron的能力，很容易实现逻辑与、或、非，以及凸集合，但不能实现异或运算
转载
2023-07-26 22:04:56
191阅读
人工神经网络算法是模拟人的神经网络的一种算法.该算法像人一样，具有一定的学习能力。人工神经网络可以学会它所能表达的任何东西.该算法在模拟人类抽象思维方面较传统的算法具有优势，如图像识别 (人脸识别，车牌识别)， 声音识别方面已经有成熟的运用。 举个简单的例子可以说明人工神经网络和传统算法的差别所在 (等会也要实现):假设要解决这个问题: 写一个程序， 判断 0, 1, 2, 3 ...
转载
2023-07-19 12:56:19
132阅读
基于Excel的神经网络工具箱（之二）——ANN前向传播FP及反向传播算法BP的VBA算法实现神经网络数据结构前向传播算法单层感知器的感知结果计算感知器结果的前向传播反向传播算法的实现误差和梯度的计算梯度从后往前的传播随机梯度下降算法和标准梯度下降算法Levenberg Marquardt算法SCG算法相关矩阵操作函数卷积网络的前向和反向传播算法 神经网络数据结构在上一篇文章中，我已经给出了AN
转载
2023-10-11 14:31:16
340阅读
循环神经网络(RNN)，长期和短期记忆(LSTM)，这些红色和紫色的神经网络——，是时候放弃它们了！ LSTM和RNN是在20世纪80年代和90年代发明的，并在2014年复活。在接下来的几年里，他们成为解决序列学习和序列转换的方法(seq2seq)，这也使语音到文本的识别和Siri，Cortana，谷歌语音助手，Alexa的能力得到惊人的提高。 此外，不要忘记人工智能机器翻译，包括将文档翻
转载
2023-07-09 07:23:17
0阅读
多层网络的学习能力比单层感知机强很多，要训练多层网络，简单的感知机学习规则显然不够，需要更强大的学习算法。误差逆传播（Error BackPropagation）算法就是学习算法中的杰出代表。现实任务中使用神经网络时，大多是使用BP算法进行训练。需要注意的是，BP算法不仅可以用于多层前馈神经网络，还可以用于其他类型的神经网络。通常说BP网络时，常指利用BP算法训练的多层前馈神经网络。
转载
2023-01-11 11:19:53
324阅读
卷积神经网络(CNN)的基础介绍见，这里主要以代码实现为主。 CNN是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。 以MNIST作为数据库，仿照LeNet-5和tiny-cnn
转载
2024-01-10 16:19:56
47阅读
DSP学习笔记（一）——DSP概述本笔记为本人在大三期间学习dsp时的笔记，感谢西北工业大学航海学院刘建国老师在我学习时的指导与帮助。本章主要是讲述了DSP的基本概述与基本知识。1 什么是数字信号处理器先说一下一些常见的英文缩写：CPU ：Central Processing UnitMCU ：Micr
转载
2024-01-28 07:59:54
49阅读
发布人：来自 Cadence 的 Raj Pawate 和 Google 的 Advait Jain数字信号处理器 (DSPs) 是所有电池供电设备的重要组成部分，其提供了一种以极低功耗处理音频数据的方法。这些芯片负责运行信号处理算法，例如音频编解码器、噪声消除和波束形成等。这些 DSPs 也越来越多地用于运行神经网络，例如唤醒词检测、语音识别和噪声抑制。启用此类应用的关键是，能够尽可能高效地执行
转载
2024-01-31 22:14:02
182阅读
人工智能不神秘，会一点加减乘除就够了。对于神经元来说，当神经受到刺激的时候，会释放神经递质传给下一个神经元，不同程度的刺激对下一个神经元释放的神经递质的量也不同，所以模仿这个过程建立神经网络：当输入一个数据x的时候，模拟输入一个外界刺激，经过处理后，输出的结果为f(x)，把这个f(x)传给下一个神经元，逐步求解，最终输出一个值z，与给定的值进行对比（有监督学习），根据结果调整每个的神经元内部函数的
转载
2023-11-09 12:00:45
50阅读
神经网络是用来处理 非线性关系的，输入和输出之间的关系可以确定（存在非线性关系），可以利用神经网络的自我学习（需要训练数据集 用明确的输入和输出），训练后权值确定，就可以测试新的输入了。 遗传算法是用来解决最值问题的，生物进化、优胜略汰。更灵活没有限制，唯一的难处就是 编码染色体 和评价函数的选择。 &n
转载
2023-08-07 11:27:05
62阅读
DSP 即数字信号处理技术， DSP 芯片即指能够实现数字信号处理技术的芯片。 DSP芯片是一种快速强大的微处理器，独特之处在于它能即时处理资料。 DSP 芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，可以用来快速的实现各种数字信号处理算法。 在当今的数字化时代背景下， DSP 己成为通信、计算机、消费类电子产品等领域的基础器件。下面是关于DSP必须了解的一些重要知识点，这些知识点
转载
2024-01-19 23:56:58
98阅读
