搜索资源列表
TIERRA
- 地球模拟器，最经典的人工生命模型,研究人工智能的必看。一般地说，生命都具有新陈代谢、复制和进化的能力。在自然界中，生物是由有限的食物供给和有限的生存空间约束的。在Tierra中，“生物”由一系列能够自我复制的机器代码或程序组成，它在计算机中的复制分别受到计算机的存储空间和CPU时间约束。能有效地占有内存空间和利用CPU时间的生物体，将具有更高的适应度，传递到下一代的机会就越大。 在Tierra中，计算机的RAM（随机访问存储器）中有一块专门的空间，这个空间中放置了一个“祖先有机体”，该祖先有
somnet
- 一种通过自组织竞争学习网络实现数据降维和可视化的单层神经网络模型。用此算法可以把输入空间的多维映射到低维的（一维或者二维）的离散网络上，并将保持相同性质的输入数据在映射到低维空间时的拓扑一致性。iris以及letter两个数据集进行分类
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
Som_clustering
- 基于VC++的Som聚类算法程序。SOM是一种通过自组织竞争学习网络实现数据的分类和降维可视化神经网络模型。内附算法的原理说明以及详细的程序调用说明及运算结果。是初学者的很好的入门材料-Based on VC++ program of Som clustering algorithm. SOM is a competitive learning through self-organizing network for data classification and dimensionality r
ART1
- ART网络采用竞争学习策略和自稳机制，能够对任意复杂的环境输入模式实现自稳定和自组织的识别。ART神经网络模型主要有三种结构，即ART1、ART2、ART3。ART1用于处理二进制输入的信息，ART2可用于处理二进制和模拟信息两种输入，ART3具有人类神经元生物电-化学反应机制，用于分级搜索。-ART network adopt competitive learning strategy and instability mechanism, since any complex environme
Artificial-Neural-Networks2006
- 神经网络概述及基本模型，然后详述了各种模型，包括感知器神经模型、自组织竞争神经网络、径向基函数神经网络、反馈神经网络、支持向量机神经网络、遗传算法等内容。-Overview and basic neural network model, and then details the various models, including perceptron neural model, self-organizing competitive neural network, radial basis fu
Face-orientation-recognition
- LVQ即学习向量量化神经网络是一种用于训练竞争层的有监督学习方法神经网络，在模式识别和优化领域有着广泛的应用。本课题要求使用LVQ神经网络训练人脸的特征数据，得到模型对任一人脸图像的朝向进行识别。-Learning Vector Quantization LVQ neural network that is used to train competitive layer neural network supervised learning methods in the field of patt
fenlei
- 单层竞争神经网络的数据分类,患者癌症发病预测。设法找出癌症与正常样本在基因表达水平上的区别，建立竞争网络模型去预测待检测样本是癌症还是是正常样本。-Data classification of single layer competitive neural network