搜索资源列表
模拟退火源码
- 模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ
改进遗传算法－郭涛算法做最优化问题很管用
- 改进遗传算法－郭涛算法做最优化问题很管用,算法的基本思想是 先任意产生n个随机数，然后从n个数里随机选择m个数，再有这m个 数合成一个新数，将这个新数同n个数中间适应值函数值的最差的比较， 如果好的话就取代最差的那个，如果它比最好的还要好的话，则把最好的 也取代。如果比最差的坏，则重新合成一个新数。依次循环下去。 程序的奇妙之处是GA_crossover()函数，产生的新数确实比较好，看看 那位大侠能改进一下，产生比这跟好的数。-improved genetic algo
广义异或bp算法
- 本文件为用C语言实现的可实现广义异或问题的bp神经网络算法。该问题是对标准异或问题的推广。在标准异或问题中，输入X1和X2取离散量-1或+1，在广义异或问题中，输入（X1,X2）可以在区间[-1，+1] X [-1, +1]内任意取值，而输出为Y=sign(x1,x2)，其中sign()为符号函数，在区间[-1，+1] X [-1, +1]内随机产生500个训练样本.本程序用标准BP网实现该分类问题.-this document for the use of C language of achi
bpbao
- 用c++编写的bp神经网络开发包，能实现函数的任意逼近-prepared with the bp neural network development kits, can achieve an arbitrary function approximation
matlab_4
- 基于RBF神经网络整定的PID控制 径向基函数具有单隐居的三层前馈网络。是—种局部逼近网络，己证明它能以任意精度逼近杠意连续函数。
use GA to deal with NN
- 遗传算法解决NN逼近任意函数-genetic algorithm to solve arbitrary function approximation NN
GA
- 本压缩包内有三个遗传算法文件，其详细文件名都以注释方式在文件内注明，分别为：基于基本遗传算法的函数最优化任意随机交叉父体、基于基本遗传算法的函数最优化、基于基本遗传算法的自适应遗传优化算法函数最优化
RBFwangluo
- RBF网络逼近函数密密麻麻，该源程序能够无限逼近任意函数,例程中为逼近正弦函数，误差非常小。
autolife
- Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵
hopfild1
- Hopfield 网——擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式——决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
BP_tanh_linaer
- BP神经网络Simulink模型。。例子给了个离散传递函数。训练后的网络可以逼近任意传递函数，或者非线性函数。-Simulink model of BP neural network. . Examples for the discrete transfer function. Trained network can approximate any transfer function, or the nonlinear function.
NETWORK
- 神经网络的MATLAB实现，附有详细的函数说明，可以实现任意函数的逼近-MATLAB neural network implementation, accompanied by a detailed descr iption of the function, can achieve an arbitrary function approximation
bp
- 基于BP神经网络算法的函数逼近，利用matlab实现BP算法逼近任意非线性函数-BP neural network algorithm based on function approximation, using matlab to achieve BP algorithm approximate any nonlinear function
pid
- 人工神经网络(Artificial Neural Network)是从生理角度对智能的模拟，具有极 高的学习能力和自适应能力，能够以任意精度逼近任意函数，完成对系统的仿真； 而遗传算法是对自然界生物进化过程的模拟，具有极强的全局寻优能力，这两种 算法都是当下研究较多的智能方法。将这两种方法与常规的 PID 控制相结合， 构成智能 PID 控制器，使其具有参数自整定、自适应的能力，以适应复杂环境 下的控制要求，这一思路对提高控制效果具有很好的现实意义。 -Artificia
shenjingwangluo
- 自己编写的程序，可实现通过BP神经网络逼近任意函数-The program implements an arbitrary function approximation by BP neural network
xdcau
- 该函数用来计算任意函数的一阶偏导数(数值方法),用平面波展开法计算二维声子晶体带隙,基于互功率谱的时延估计。- This function is used to calculate the arbitrary function of the first order partial derivative (numerical methods), Computation Method D phononic bandgap plane wave, Based on the time delay est
fui-V2.1
- 三相光伏逆变并网的仿真，该函数用来计算任意函数的一阶偏导数(数值方法),利用贝叶斯原理估计混合logit模型的参数。- Three-phase photovoltaic inverter and network simulation, This function is used to calculate the arbitrary function of the first order partial derivative (numerical methods), Bayesian parame
07 神经网络与深度学习
- 人工神经网络（Artificial Neural Networks，ANN）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。BP（Back Propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。(The Artificial Neural Network
PSO
- 粒子群优化算法代码，实现任意函数的优化，只需要对需要优化的函数进行编写即可。(Optimization of particle swarm optimization algorithm for optimization of any function)