搜索资源列表
粒子群优化算法C
- 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域-comparison with the genetic algorithm, the advantages of PSO is simple and easy to achieve without many parameters need to be adjusted. Now it has been widely used function op
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
approaching_fuzzy_2v
- 使用模糊系统方法来实现二维函数的逼近，效果很好，matlab编程仿真-fuzzy systems use methods to achieve the two-dimensional function approximation and the results very good, Matlab Simulation Programming
yichuansuanfa_chengxu
- 遗传算法，matlab下的，系统辨识，例题，对象是用传递函数形式。并附结果-genetic algorithm, the Matlab, system identification, excellence, which is aimed at using transfer function form. Accompanied results
vcthesis
- 该系统实现粗糙集合中的分辨矩阵与分辨函数的约简方法，该方法可以求出信息系统的属性约简-the system to achieve the rough set to distinguish function matrix and tell about Jane, The method can be used to find information system attribute reduction
@rbf
- 因其核函数的良好性态,RBF核SVM(RBF-SVM)在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对SVM的性能起决定性作用.阐述了RBF-SVM的性能随着变化而变化的规律,并将RBF-SVM引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-SVM的性能变化规律,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证了RBF-SVM的良好特性和其受参数的约束规律.
PSOLyapunov
- 用matlab编程实现计算粒子群算法中系统的Lyapunov函数与单个粒子的运行轨迹。
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
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
DIBAPI
- 车牌识别系统图像处理函数，包括二值化，边缘检测和定位算法
1
- BP神经网络已广泛应用于非线性建摸、函数逼近、系统辨识等方面，但对实际问题，其模型结构需由 实验确定，无规律可寻。简要介绍了利用 Matlab语言进行 BP网络建立、训练、仿真的方法及注意事项。
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
BP神经网络非线性系统建模
- 基于BP神经网络的非线性系统函数拟合算法,分为BP神经网络构建,BP神经网络训练和BP神经网络预测.
DataminingBasedonGeneticAlgorithms
- 本文提出了基于遗传算法的关联规则的提取方法，并从编码方法、适应度函数的构造、交叉算子和变异算子的设计等方面进行了详细都讨论和分析，并结合我校的智能型学生测评系统，给出了用遗传算法进行关联规则挖掘的实例。-This paper brings forward the algorithms based on the genetic algorithms of association rules,discusses and analyses the genetic algorithms in detai
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
testRBF
- 径向基函数网络实现非线性系统的参考模型自适应控制，matlab程序，注释非常详细。-Radial basis function networks of nonlinear systems model reference adaptive control, matlab program, very detailed comments.
PSO_Java
- 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域，基于Java语言实现。-Compared with the genetic algorithm, PSO has the advantage is simple and easy and there is no need to adjust many parameters. Has been widely applied to function o
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are often encountered. The equations
BP神经网络的非线性系统建模-非线性函数拟合
- BP神经网络的非线性系统建模-非线性函数拟合(Nonlinear system modeling of BP neural network nonlinear function fitting)
BP神经网络的非线性系统建模-非线性函数拟合
- 使用BP神经网络，实现非线性系统建模，包括完整的程序和测试数据。(BP neural network is used to realize nonlinear system modeling, including complete program and test data.)