神经自行车 该项目在个人设备和资源上运行。 网站上没有使用跟踪器，并且它是免费的。 如果您喜欢它，请考虑通过捐赠或解锁iOS应用程序上的其他功能来支持它。 为什么会存在？ 世界各地的自行车共享服务都存在相同的问题。 骑行方式不平等会导致整个城市的自行车分配不均。 这迫使工人重新平衡使用大型车辆的服务，或者通过激励用户从整站解锁自行车。 这是全球所有对接系统中都存在的问题。 自行车共享应用程序不会为用户提供有洞察力的信息。 它们仅提供反映系统实际状态的信息。 但是以前的模式会影响实际状态，甚至可能影响未来。 通过不断地收集数据，我试图通过使用最近几天的可用性来预测可用性来解决此问题。 该存储库包含用于生成预测的实际代码。所有数据分析，处理和神经网络训练均由该项目完成。 我正在尽可能多地更新此项目，以使其适应不同城市的需求。 到目前为止，每天都会对毕尔巴鄂，马德里，纽约和伦敦等城市进

针对传统的专家系统在对异步电动机进行故障诊断时知识获取困难且无法解决新故障的问题,提出了一种基于神经网络的异步电动机故障诊断专家系统的设计方案,给出了系统结构及神经网络模型设计。仿真结果表明,该系统能够很好地结合专家系统与神经网络的优势,达到了异步电动机故障诊断的预期目标。

神经网络 基于神经网络的歌声合成库进行研究。 演示版 使用kiritan_singing数据库的基于神经网络的歌声合成演示（日语） 音频样本 Kiritan示例： ：//soundcloud.com/r9y9/sets/dnn-based-singing-voice 安装 Python 3.6或更高版本 ：需要开发版本（master分支） 开发版本。请查看安装的邮局。 火炬> = 1.x 请注意，上面列出的软件包应手动安装。安装它们后，您可以运行： python setup.py develop 安装其余的依赖项。 储存库结构 核心程式库： 命令行程序： 及其配置 食谱： Python docstring样式 菜谱 配方是用于重现实验的一组脚本和配置。用于进行实验的所有步骤均以独立方式提供。如果要构建唱歌语音系统，请查看目录。 背景 截至2020年2月，基于DNN的歌声合成工具在日

由于码间干扰的影响，导致可见光通信系统的误码率提升。为此，提出了一种基于人工神经元网络(ANN)的 接收系统，采用角度分集接收技术采集信号，并通过神经元网络对所获得的多组数据进行合并优化构成总的输出 信号。该接收系统可以有效地降低码间干扰对系统的影响，提高接收信号的信噪比(SNR)，降低系统的误码率 (BER)。采用Matlab 软件模拟仿真信号传输实验以验证该系统的性能及优越性。仿真结果表明，在信源与环境的 信噪比相同情况下，基于神经元网络均衡处理的分集接收系统误码率比传统的使用单输入单输出(SISO)技术的系 统误码率更低，并且可以减弱码间干扰所带来的影响。优化了可见光通信(VLC)系统的信道性能，具有广阔的应用 前景。

心脏病诊断是一项复杂的任务，需要大量的经验和知识。 预测心脏病的传统方法是医生检查或进行许多医疗检查，例如ECG，压力测试和心脏MRI等。如今，医疗保健行业包含大量的医疗保健数据，其中包含隐藏的信息。 这些隐藏的信息对于做出有效的决策很有用。 基于计算机的信息以及先进的数据挖掘技术可用于获得适当的结果。 神经网络是广泛用于预测心脏病诊断的工具。 在这篇研究论文中，使用神经网络开发了心脏病预测系统（HDPS）。 HDPS系统可预测患者患上心脏病的可能性。 为了进行预测，该系统使用了性别，血压，胆固醇等13种医学参数。 在这里，增加了两个参数，即肥胖和吸烟，以提高准确性。 从结果可以看出，神经网络以近100％的准确度预测心脏病。

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标，对图像预处理过程进行了叙述，并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%，这表明图像预处理的结果和提取的特征是合适的、有效的，设计的BP网络也较好的完成了模式分类识别工作。

基于神经网络的SAR图像多尺度分割的研究

基于神经网络的PMSM 速度和位置自适应观测器的设计

附带一个简易的界面

基于神经网络识别的身份证号码数字分割和识别matlabl仿真，matlab2021a测试。