一、自组织竞争学习神经网络模型（无监督学习）（一）竞争神经网络在竞争神经网络中，一层是输入层，一层输出层，输出层又称为竞争层或者核心层。在一次输入中，权值是随机给定的，在竞争层每个神经元获胜的概率相同，但是最后会有一个兴奋最强的神经元。兴奋最强的神经元战胜了其他神经元，在权值调整中，其兴奋程度得到了进一步的加强，而其他神经元保持不变，竞争神经网络通过这种竞争学习的方式获取训练样本的分布信息，每个训
转载
2024-01-13 13:53:53
57阅读
本文按照 案例-分析-代码-原理 四段式进行介绍，为便于有一定理论基础的童鞋进行学习，将原理以链接其他博客的形式给出，有兴趣的童鞋可以跳转进行学习和推敲。【案例介绍】利用竞争神经网络和自组织特征隐射网络建立根据离子浓度判别水质分类模型山泉水中含有多种矿物质，但其是否可以直接引用还需要对水质进行鉴别。一般根据水质中的多种离子浓度进行水质的判断，现根据6组水质特征进行判断，结果分为4类别，其数据集结构
转载
2023-12-23 20:24:19
91阅读
竞争神经网络 结构上和RBF等网络是比较像的。这里的距离是负数距离，||ndist||中带一个n，表示negative。在matlab中计算方法是ngedist。 它的计算过程是：待分类样本输入后，和样本（就是输入权值向量IW）计算负距离。||ndist||计算后输出是S1x1维的列向量，列向量中每个元素为输入向量p和IW距离的负数。之后，再和一个阈值b1相加，得到n1。接下来就进入了最重要的
转载
2023-10-10 21:20:49
129阅读
MATLAB 的 NN Toolbox 提供了丰富的函数建立神经网络，主要包括神经网络函数、权值函数、网络的输入函数、传递函数、初始化函数、性能函数、学习函数、自适应函数、以及训练函数等。因此熟练掌握好建立、学习、训练网络的 NNToolbox 非常必要，下面以一个具体的实例说明 SOFM 网络实现仿真的全过程。SOFM 网络的建立：MATLAB 中 建 立 SOFM 网 络 的 专 用 函 数
转载
2023-10-26 21:53:19
68阅读
【新智元导读】近日，MIT计算机科学和人工智能实验室(CSAIL)的团队推出了「液态」神经网络，除在训练过程之外，还可以在实践过程中学习，能随着新的数据输入而不断更新模型方程，很好的适应了现实生活的可变性。有趣的是，这个灵感是从对显微镜下线虫的神经元的观察中得来的。「液态」神经网络？这是什么何方神圣？我猜，这大概率是你第一次听到这个词汇，你一定会好奇，这种「耸人听闻」的神经网络到底是怎么一回事。近
转载
2023-12-21 21:08:17
54阅读
出品：贪心科技
作者: 山南 阅读人群：想了解卷积神经网络基本概念 1.1 背景2.1 神经网络 2.1.1 感知机2.1.2 激活函数2.1.3 反向传播2.2 卷积的定义2.3 卷积的Stride步长2.4 Padding2.5 Pooling池化层2.6 ReLU(Rectified Linar Unit)修正线性单元2.7 Dropout2.8 So
转载
2023-10-13 00:00:26
336阅读
卷积神经网络实例经典卷积网络LeNet-5，1980年代的。AlexNetVGG-16残差网络1*1卷积Inception网络 经典卷积网络LeNet-5，1980年代的。该网络可以识别图片中的手写数字，是针对灰度图像训练的AlexNet首先使用一张2272273的图片做输入，第一层使用96个1111的过滤器，步长s为4，得到555596的输出，然后用33的过滤器，步长为2，进行最大池化操作，输
转载
2023-09-13 23:31:10
105阅读
神经网络应用实例
# 简介
神经网络（Neural Network）是一种模拟大脑神经元之间相互连接的计算模型，它通过学习和训练来进行模式识别、分类和预测等任务。神经网络在各个领域中都有广泛的应用，包括计算机视觉、自然语言处理、语音识别等。本文将介绍神经网络的基本原理和一些常见的应用实例，并给出相应的代码示例。
# 神经网络原理
神经网络由神经元和它们之间的连接组成。每个神经元接收来自其他
原创
2023-09-08 09:26:13
311阅读
相比于bp神经网络算法，som相对来说比较容易理解。自组织神经网络，是一种用于聚类的神经网络算法，从名字便可以看出，这是一种无监督式的算法，意味着，它不需要任何训练样本，便可以直接对输入样本根据其特征 分类，将具有相似特征的划分为一类。1 算法结构som算法是由两层网络组成，输入层与输出层（也叫作竞争层），大致示意图如下：2 示例下面我会给出一个例子来讲解som算法的原理。现在我有8个输入样本，每
在本文中，我们主要关注模型的应用，而具体的网络设计并不是我们这里特别感兴趣的。社会影响的预测社会影响预测侧重于朋友之间行为的影响，尤其是在社交网络中。例如，如果一些社交网络上的朋友买了一件衣服，他/她会不会也买呢?以社交图作为输入，DeepInf为用户学习网络嵌入(一种潜在的社会表征)。结合下面(d)中手工制作的特征，对社会影响进行预测，比如v是否也会观看广告片段(步骤f)。在训练过程中，将预测结
转载
2023-08-10 11:24:28
176阅读
1.SOFM简介自组织特征映射网络SOFM又称自组织映射网络SOM，是一种自组织竞争神经网络，一个神经网络接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。其特点与人脑的自组织特性相类似。其主要思想是在学习过程中逐步缩小神经元之间的作用邻域，并依据相关的学习规则增强中心神经元的激活程度，从而去掉各神经元之间的侧向连接，以达到模拟真实大脑神经系
转载
2023-12-25 10:52:46
206阅读
神经网络算法实例说明有哪些？在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种处理或模式识别的功能、构作专家系统、制成机器人、复杂系统控制等等。纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。卷积神经网络通俗理解人体神经网络
转载
2023-08-14 16:58:03
116阅读
人工神经网络的应用人工神经网络（Artificial Neural Network，简称ANN ），以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。人工神经网络具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性。它可以实现仿真、预测以及模糊控制等功能。是处理非线性系统的有力工具。它是物流合作伙伴选择方法中合作伙伴选择的神经网络算法的另一种名
转载
2023-10-30 23:09:23
255阅读
# RBF神经网络实例应用
## 简介
在本文中，我将向你介绍如何实现RBF（径向基函数）神经网络实例应用。RBF神经网络是一种灵活的神经网络模型，适用于模式识别、函数逼近和时间序列预测等任务。我们将按照以下流程进行实现：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 数据准备 |
| 2 | 模型构建 |
| 3 | 模型训练 |
| 4 | 模型评估 |
| 5 |
原创
2023-08-30 15:48:58
299阅读
# 神经网络简单应用实例
## 一、整体流程
为了帮助你理解神经网络的简单应用实例，我将按照以下步骤进行讲解：
| 步骤 | 操作 |
| ------ | ------ |
| 1 | 导入必要的库 |
| 2 | 准备数据集 |
| 3 | 构建模型 |
| 4 | 编译模型 |
| 5 | 训练模型 |
| 6 | 模型评估 |
| 7 | 进行预测 |
接下来，我会逐个步骤进行讲解
原创
2023-09-05 07:38:02
187阅读
入坑GAN，首先需要理由，GAN能做什么，为什么要学GAN。 GAN的初衷就是生成不存在于真实世界的数据，类似于使得 AI具有创造力或者想象力。应用场景如下： AI作家，AI画家等需要创造力的AI体； 将模糊图
转载
2023-11-13 14:32:04
86阅读
神经网络(neural network)是深度学习中一种非常重要的模型，关于神经网络更详细的介绍呢，这里就不介绍了，可以自行搜索了解。文章主要整理了7个神经网络的实战项目，相信对神经网络学习者会有所帮助~该项目最终将基于BP神经网络实现一个手写字符识别系统，系统会在服务器启动时自动读入训练好的神经网络文件，如果文件不存在，则读入数据集开始训练，用户可以通过在html页面上手写数字发送给服务器来得到
转载
2023-06-08 13:12:11
183阅读
今天我们来做一个神经网络学习的实战。这是一套可以说是神奇的操作 —— 因为它简直是出乎意料地简单。你会感慨，为什么这么复杂的问题，居然能用这么一个简单粗暴的方法就解决了。在我看来这绝对是一个工程上的幸运发现。很多发明创造都是工程师偶然鼓捣出来的。喷气式发动机到底是什么原理？到现在人们也没说清楚。阿司匹林为什么有这样和那样的疗效？医学研究还得继续做实验。神经网络计算就是这么一种发明，计算机科
转载
2023-10-20 15:04:14
21阅读
“ 此篇介绍如何使用C++加载OpenCV DNN模块库来调用深度神经网络模型以及一些应用”目前，深度神经网络广泛应用于用于图像处理的各个领域，OpenCV4丰富了DNN模块，增加了与深度神经网络相关的函数及比较前沿的算法，以下就此展开描述：>注意：此篇不对如何训练出深度神经网络模型做出概述！后续会单独出文说明。以下，围绕对深度神经网络模型的应用。软硬件环境：Ubuntu20.04
转载
2023-09-05 22:24:18
196阅读
# 导包
import numpy as np
# 前向传播函数 H = X * W1 + b1 对应下面程序当中的x, w, b
# 前向传播函数
# - x：包含输入数据的numpy数组，形状为（N，d_1，...，d_k）
# - w：形状为（D，M）的一系列权重
# - b：偏置，形状为（M，）
# 程序中的输入参数x，其形状可以是（N，d_1，...，d_k)
# 比如说x是一个4行2列
转载
2023-08-30 22:50:23
110阅读
