本科毕业论文

基于神经bpnn.py

采用Chemoffice10.0中的MOPAC/AM1半经验算法,计算13个无机氢化物的6种量子化学参数:偶极距(μ)、分子电子能(EE)、分子最高占据轨道能(Ehomo)、分子最低未占据轨道能(Elumo)、分子总能量(TE)和非氢原子的净电荷(q),利用SPSS19.0软件的主成分分析模块和BP神经网络模块对样本数据集进行预处理,将得到的样本数据集输入人工神经网络,构建无机氢化物pKa的主成分-反向传播神经网络(PCA-BPNN)QSPR模型。结果表明:利用SPSS19.0软件快速实现PCA-BPNN

一个可用的神经网络方法进行的 遥感图像分类，里面有数据，可以直接执行。 一个可用的神经网络方法进行的 遥感图像分类，里面有数据，可以直接执行。

利用粒子群优化BPNN对车位进行预测，预测精度明显提高

利用遗传算法优化BPNN对有效停车泊位进行预测，仿真表明预测精度提高

一个可用的神经网络方法进行的 遥感图像分类，里面有数据，可以直接执行。

bpnn神经网络代码，是深度学习中一种比较常用的反馈神经网络模型

粒子群优化算法对BPNN进行超参数优化的python代码实现，亲测可用

一个可用的神经网络方法进行的 遥感图像分类，里面有数据，可以直接执行。 一个可用的神经网络方法进行的 遥感图像分类，里面有数据，可以直接执行。