搜索资源列表
yichuangsuanfa
- 遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制、生物科学、社会科学等方面都得到应用。-genetic algorithm in pattern recognition, neural networks, image processing, machine learning, optimization of industrial control, adaptive control, Biological sciences, and social sciences are
GA-SVM
- 遗传算法+支持向量机，非常的实用，希望对大家有用。-Genetic algorithms+ support vector machine, very useful, we want to be useful.
GA_workscheduling
- 使用基因演算法對工廠工作做最佳化。每個零件都有送進機器處理的順序，每個零件在不同機器也有不同處理時間，使用GA演算法來找出可行解。-The use of genetic algorithm to optimize the factory work. Parts are sent to each machine to deal with the order, each machine in different parts have different processing time, the us
Rgcfe
- 遗传算法简称GA(Genetic Algorithm)，在本质上是一种不依赖具体问题的直接搜索方法。遗传算法在模式识别、神经网络、图像处理、机器学习、工业优化控制、自适应控制制、生物科学、社会科学等方面都得到应用。在人工智能研究中，现在人们认为“遗传算法、自适应系统、细胞自动机、混沌理论与人工智能一样，都是对今后十年的计算技术有重大影响的关键技术”。 -The genetic algorithm referred to as GA (Genetic Algorithm), is essent
GNew_Genetic_e
- 遗传算法及其育种:GA于20世纪60年代由美国Michigan大学J.H.Holland教授[1]首先提出。它可广泛应用于人工智能、机器学习、函数的优化、自动控制等领域。GA的突出特点是将问题的解空间间通过编码转换为GA的搜索空间，把问题的解转换为生物的个体，并借助生物的遗传和进化理论，对多个个体同时进行选择、交叉和变异操作。这样，可以较快地搜索到最优解。但是，遗传算法易陷入局部最优。搜索效率还不是 -Genetic Algorithm and Breeding: GA 1960s firs
yichuan
- 通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方面，并奠定了坚实的理论基础。-Individuals through the mechanism of natural selection, genetic mutation, adaptation to improve. This is evidenced by the
gaSVMcgForClass
- 基于遗传算法的支持向量机参数优化，优化速度快，效果不错-Parameter optimization of support vector machine based on genetic algorithm, optimization speed, good results
chejiandiaodu
- 流水线型车间作业调度问题可以描述如下：n个任务在流水线上进行m个阶段的加工，每一阶段至少有一台机器且至少有一个阶段存在多台机器，并且同一阶段上各机器的处理性能相同，在每一阶段各任务均要完成一道工序，各任务的每道工序可以在相应阶段上的任意一台机器上加工，已知任务各道工序的处理时间，要求确定所有任务的排序以及每一阶段上机器的分配情况，使得调度指标(一般求Makespan)最小。下面的源码是求解流水线型车间作业调度问题的遗传算法通用MATLAB源码，属于GreenSim团队原创作品，博客上发布的是不完
yichuansufa
- 人工神经网络，机器学习常用的一种算法 遗传算法的源代码-Artificial neural networks, machine learning algorithm commonly used- genetic algorithm source code
02MATLAB
- 流水线车间生产调度的遗传算法MATLAB源代码 n个任务在流水线上进行m个阶段的加工，每一阶段至少有一台机器且至少有一个阶段存在多台机器，并且同一阶段上各机器的处理性能相同，在每一阶段各任务均要完成一道工序，各任务的每道工序可以在相应阶段上的任意一台机器上加工，已知任务各道工序的处理时间，要求确定所有任务的排序以及每一阶段上机器的分配情况，使得调度指标(一般求Makespan)最小-Line workshop production scheduling genetic algorithm M
main
- 采用遗传算法和支持向量机（svm）编写的手写字体识别算法，基于matlab-Handwriting recognition algorithm using genetic algorithms and support vector machine (svm) written on matlab
nenghai
- 遗传算法无功优化，与理论分析结果相比，多机电力系统仿真及其潮流计算。- Genetic algorithm based reactive power optimization, Compared with the results of theoretical analysis, Multi-machine power system simulation and flow calculation.
feigiu
- 自写曲率计算函数 ,是机器学习的例程，遗传算法无功优化。- Since writing the curvature calculation function, Machine learning routines, Genetic algorithm based reactive power optimization.
svm-regression
- 本程序是实现遗传支持向量机（SVM）的回归拟合，以混凝土的抗压测试为例，具有很好的学习价值。-This program is a genetic support vector machine (SVM) regression fit to the concrete compression test, for example, having a great learning value.
abneticalgorithm
- 人工智能及神经网络的机器学习算法,经典的遗传算法,-Artificial intelligence and machine learning algorithm of neural network, the classic genetic algorithm (ga),
AForge.NET Framework-2.2.5
- AForge.NET是一个专门为开发者和研究者基于C#框架设计的，这个框架提供了不同的类库和关于类库的资源，还有很多应用程序例子，包括计算机视觉与人工智能，图像处理，神经网络，遗传算法，机器学习，机器人等领域。 这个框架由一系列的类库组成。主要包括有: AForge.Imaging -- 一些日常的图像处理和过滤器 AForge.Vision -- 计算机视觉应用类库 AForge.Neuro -- 神经网络计算库AForge.Genetic -进化算法编程库 AF
aforge.video
- 一个C#下面的图像处理算法以及人工智能算法的类库。人工智能的算法包括神经网络算法，遗传算法，机器学习算法等。使用C#写人工智能算法的开发者可以直接调用这个类库，不用自己实现最底层的算法了。我曾经使用过其中的遗传算法类库，功能十分强大，推荐使用。(English Descr iption: AForge.NET Framework is a C# framework designed for developers and researchers in the fields of Computer
基于数控机床进给系统PID参数优化程序
- 本代码运行遗传算法对数控机床系统PID控制环节的参数进行了整定(This code runs the genetic algorithm(GA)to set the parameters of the PID control link of the CNC machine tool system.)
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part