关闭

用户登录

忘记密码？

注册

BP神经网络-原理与自实现

BP神经网络自实现-开篇导读与回顾
- BP神经网络-基本原理
  - 【介绍】《BP算法-自实现》的意义与目标
  - 【结构】BP神经网络的模型结构回顾
  - 【原理】BP神经网络原理与本质
  - 【指导】BP的训练算法及学习指导
BP神经网络的初始化与梯度公式
- BP的初始化
  - 【原理】BP神经网络的初始化
  - 【原理】BP神经网络的初始化(非标准条件)
  - 【流程】BP神经网络的初始化流程
  - 【附件】nguyen_Widrow法译文(上)
  - 【附件】nguyen_Widrow法译文(下)
- BP的误差函数与梯度
  - 【定义】BP神经网络的误差函数
  - 【推导】BP神经网络的梯度公式推导
  - 【拓展】BP神经网络的梯度公式(三层)
  - 【流程】BP神经网络梯度计算的实际流程
  - 【附件】tansig、logsig公式与导数的推导
BP神经网络-训练算法
- 梯度下降法训练BP
  - 【原理】梯度下降法回顾
  - 【流程】梯度下降求解BP算法流程
- 自适应梯度下降法训练BP
  - 【原理】自适应梯度下降法
  - 【流程】自适应梯度法求解BP算法流程
- 动量梯度法训练BP
  - 【原理】动量梯度下降法
  - 【流程】动量梯度法求解BP算法流程
  - 【流程】自适应动量梯度法求解BP算法流程
- L-M算法训练BP
  - 【导读】《LM算法训练BP》学习顺序
  - 【原理】高斯-牛顿法原理
  - 【原理】LM算法思想与介绍
  - 【原理】LM算法求解BP神经网络
  - 【流程】LM法求解BP的算法流程
BP神经网络-代码自实现
- 公用代码
  - 【导读】自写BP神经网络代码说明
  - 【代码】InitBP.m
  - 【代码】predictBP.m
- 训练算法
  - 【代码】traingdBP.m
  - 【代码】traingdaBP.m
  - 【代码】traingdmBP.m
  - 【代码】traingdxBP.m
  - 【代码】trainlmBP.m
- 测试与使用Demo
  - 【测试】InitBP的测试Demo
  - 【测试】traingdBP的测试Demo
  - 【测试】traingdaBP的测试Demo
  - 【测试】traingdmBP的测试Demo
  - 【测试】traingdxBP的测试Demo
  - 【测试】trainlmBP的测试Demo