搜索资源列表
New_Genetic_Algorithm
- 遗传算法及其育种:GA于20世纪60年代由美国Michigan大学J.H.Holland教授[1]首先提出。它可广泛应用于人工智能、机器学习、函数的优化、自动控制等领域。GA的突出特点是将问题的解空间通过编码转换为GA的搜索空间，把问题的解转换为生物的个体，并借助生物的遗传和进化理论，对多个个体同时进行选择、交叉和变异操作。这样，可以较快地搜索到最优解。但是，遗传算法易陷入局部最优。搜索效率还不是很高。因此，为了克服这些缺点缺点，本文提出了育种算法，可以较好地解决遗传算法的问题。-Genetic
Image_Feature_Selection_Method_Based_on_Immune_Enc
- 针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(IACA). 该方法借鉴生物免疫系统的抗体分 子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度 从集合的角度研究并且定义了特征之间的包含和互补关系 并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则 最终实现了寻找最优特征子集的算法IACA ,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的“免
LDPC
- 这是关于LDPC信道编码模块设计的程序 打开源程序，先运行gengrate_h.m程序，陆续将码长设置为756bit，列重设置为3，行重设置为9。在Workspace中同时将H、A、B、C、D、E、Hget、Fget、g、Tget这是个变量选择另存为encode_in.mat 格式。再运行main_encode.m进行编码，主程序运行后，在当前目录下，自动生成编码结果文件“encode—out.mat”，这将作为下一次扩频调制仿真实验的的输入信号。最后分别查看Workspace中的变量s
yuandaima
- 人工智能的编码，建立数据库，自动进行动物的种类分类-Artificial intelligence coding, creating databases, automatic classification of animal species
Denoising_Autoencoders
- 深度学习中去噪自动编码算法的C语言的简单实现-Depth study denoising automatic coding algorithm C language to achieve a simple
Stacked_Denoising_Autoencoders
- 每层以去噪自动编码算法训练，以栈式结构组成深度的学习结构-Noising algorithm to automatically encode each training to the depth of the stack structure consisting learning structure
DeepLearning-master
- 机器学习领域中的深度学习资料，其中包括了各种语言的版本，有matlab，C语言，c++等。代码中包括了深度学习的一些模型，如栈式自动编码机，深度信念网-It s about deep learning in machine learning, including some model with different programming language. The models are stacked auto encoders, deep belief nets and so on
SparseAutoencoder
- 深度学习自动编码机MATLAB实现，包含测试数据文件-Depth learning machine automatic coding MATLAB realization
AutoEncoder
- 最先提出深度学习算法hinton的自动编码器matlab代码，内容是：利用多层rbm进行自动编码的多层特征训练，然后使用梯度算法进行fine turn。可以进行特征提取，也可以进行分类。压缩包里已带有训练用签字图片数据。相应算法说明可以查看hinton于2006年发表在 science的文章-First proposed deep learning algorithm hinton automatic encoder matlab code that reads: multilayer r
audoencoder
- autoencoder自动编码python实现(sparse autoencoder python)
DeepLearnToolbox-master
- 这是用于深度学习的Matlab工具箱 深度学习是机器学习的一个新的子领域，专注于学习深层次的数据模型。 它的灵感来自于人类大脑的明显的深层次（分层的）层次结构。 目录包括`NN /` - 一个用于前馈反向传播神经网络的库，`CNN /` - 卷积神经网络库，`SAE /` - 堆叠式自动编码器库，`CAE /` - 卷积自动编码器库，`util /` - 库使用的功能函数，`data /` - 实例使用的数据，`tests /` - 单元测试来验证工具箱是否正常工作(A Matlab to
深度自动编码器的研究与展望_曲建岭
- 到于深度自动编码器编码器的原理，构建过程等的简要介绍(A brief introduction to Deep Auto-encoders.)
generative-models-master
- 生成对抗网络中的各种衍生网络结构，包括基础GAN，C-GAN,AC-GAN等等 变分自动编码器各种衍生网络结构，包括条件变分自动编码器等等(Generated in the network against the derivative network structure, including GAN, C-GAN, AC-GAN and so on. The variational autocoder derivative network structure, including con
SparseAutoencoder-master
- 自动编码器是一种数据的压缩算法，其中数据的压缩和解压缩函数是数据相关的、有损的、从样本中自动学习的。在大部分提到自动编码器的场合，压缩和解压缩的函数是通过神经网络实现的。(An autoencoder, autoassociator or Diabolo network is an artificial neural network used for unsupervised learning of efficient codings. The aim of an autoencoder is
Autoencoder_Code
- Hilton的自动编码器实现代码(rbm based on matlab)
neural-network-genetic-algorithm-master
- 为了自动学习CNN的深度网络结构，网络结构的数量随着网络中间层数量的增加呈指数增长，这启发我们使用遗传算法有效地遍历这个大的搜索空间。我们首先提出一种编码方法，将每个网络结构表示为一个固定长度的二进制字符串，然后通过生成一组随机个体来初始化遗传算法。在每一代中，我们定义标准的遗传操作(如选择、突变和交叉)来消除弱势个体并产生更具竞争力的个体。(In order to automatically learn the deep network structure of CNN, the number