搜索资源列表
AI_prog
- 这是一个非常简单的遗传算法源代码，对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。-This is a very simple genetic algorithm source code for a specific application to amend this code, Users only need to change t
1
- 最短路径法射线追踪方法原理,用MATLAB仿真,文中数值模型和其计算节点设置都仅考虑十分简单的情形
simplegeneticalgorithmimplementation
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
hmm.zip
- 隐马尔可夫链模型和例程（包括前向、后向算法、Viterbi解码以及为了减少概率数值计算误差编写的对数运算程序）,Introduction to Hiden Markov Model and Example Codes
Preissmann.rar
- 基于明渠非恒定流的运动方程和连续方程,采用Preissmann 四点隐式差分格式,结合虚拟流量法,对有压管道 充水过渡过程进行了数值仿真模拟,该充水数学模型能模拟管道从无水变为无压流,再过渡到有压流的整个水流 运动过程,其中包括漫流和明满过渡流,Preissmann
invertedpendulum
- 倒立摆是一种复杂、时变、非线性、强耦合、自然不稳定的高阶系统，许多抽象的控制理论概念都可以通过倒立摆实验直观的表现出来。基于人工神经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练，并与线性反馈控制逻辑算法对比，表明倒立摆控制B
cp321123
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
Matlab_hanshu
- ：人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用，但利用神经网络 解决实际问题时，经常涉及到大量的数值计算问题，而运用计算机高级语言编程对神经网络BP模型进行仿真和 辅助设计是件十分麻烦的事情，为了解决这个矛盾，Matlab工具箱中专fq编制了大量有关设计BP网络模型的工 具函数 本文分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数，并给出了部分重要工具函 数的实际应用．-: Artificial Neural Networks in
SGA
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
ga
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
GAprog
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂
Yichuansuanfadaima
- 这是一个非常实用的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
chap8_1
- 基于SVR的线性系统逆模型辨识建模及校验的仿真程序，由于辨识信号采用的都是随机信号，不是数值固定的信号，所以程序每次运行的结果都可能有所不同。-Linear inverse model identification modeling and verification system simulation program based on SVR identification signal are random signal, not the value of the fixed signal, s
chap9_1
- 基于SVR的线性系统内部模型辨识建模及校验的仿真程序， 由于辨识信号采用的都是随机信号，不是数值固定的信号，所以程序每次运行的结果都可能有所不同。-Based the SVR system of linear internal model identification modeling and verification simulation program identification signal are random signal, not the value of the fixed si
123
- 提出了一种双域模型人工鱼群算法。算法采用前驱节点指向的编码方法形成多播树表示人工鱼，将搜索 空间分为可行域和非可行域。分别赋予可行域和非可行域的人工鱼不同的游动目标，设计行为算子自适应地执行 4 种人工鱼行为。数值实验结果表明，提出的算法可以有效利用非可行个体，具有较好的求解时延约束最小代价 多播树的性能。-An artificial fish swarm algorithm with two regions model was proposed. The algor ithm us
yichuansuanfa
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
ANN
- 利用BP神经网络实现数值拟合，并对模型性能进行评价-Using BP neural network to complete numerical fitting, and uating the model performance
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