遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s

BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出

这是这篇文章人类的检测二次分类的子空间扩展的梯度直方图，之前上传matlab版本，现在是c++版本-This is the article of human detection secondary classification of subspace expansion gradient histogram, before uploading matlab version, now is c++ version

工作空间中机械手的神经网络自适应控制. 本设计为一个基于神经网络自适应控制的机械手运动模型的 MATLAB 仿真实验。以平面二关节机械手为控制对象，以一圆为目标轨迹。先得到机械手的运动 方程的形式，用 RBF 径向基神经网络对方程式中的系统的各个参数进行建模，利 用每个时刻的估计状态和理想状态的误差，通过梯度下降法对网络参数进行修正， 在若干次修正后，神经网络模型所得的状态跟踪到理想状态。