搜索资源列表
C45Rule-PANE
- Descr iption: C4.5Rule-PANE is a rule learning method which could generate accurate and comprehensible symbolic rules, through regarding a neural network ensemble as a pre-process of a rule inducer. Reference: Z.-H. Zhou and Y. Jiang. Medical diagn
DavidPeterman_C
- 问题描述： 虽然离开浦口了，但在浦口校区后山大家还都有印象吧，可你知道有一座小山在冬天下大雪的时候是可以滑雪的，SEU很喜欢滑雪，这并不奇怪， 因为滑雪的确很刺激，可是为了获得速度，滑雪区域必须向下倾斜，而且当你到底时不得不重新走到上面重滑。SEU想知道在这个区域中最长的滑坡。区域由一个二维数组给出。数组的每一个数字表示山坡上一个点的高度。 下面是一个例子： 一个人可以从一个点滑向上下左右相邻的四个点之一，当且仅当高度减小。在上面的例子中，一条可行的滑坡为24-17-16-
PS2Key
- SMC1602A(16*2)模拟口线接线方式 连接线图: --------------------------------------------------- |LCM-----51 | LCM-----51 | LCM------51 | --------------------------------------------------| |DB0-----P0.0 | DB4-----P0.4 | RW-------P2.5 | |DB1-----P0
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
NN+GA
- 1,改进BP神经网络在股市预测中的应用.2,基于MATLAB工具箱的开采煤层自燃危险性预测.3,基于改进的神经网络的电力系统负荷预报.4,基于神经网络的灌溉用水量预测.5,基于遗传算法改进BP网络的地表沉陷预计.6,利用遗传算法改进BP学习算法.7,模糊神经网络在电力市场短期负荷预测中的应用.8,神经网络学习算法存在的问题及对策.9,遗传神经网络在电力系统短期负荷预测中的应用.10,应用改进BP神经网络进行用水量预测.11,用遗传算法改进的BP模型在刹车系统诊断中的应用研究.12,遗传算法改进的
mani
- mani: MANIfold learning demonstration GUI by Todd Wittman, Department of Mathematics, University of Minnesota E-mail wittman@math.umn.edu with comments & questions. MANI Website: httP://www.math.umn.edu/~wittman/mani/index.html Last Modified by G
BP神经网络源程序
- 基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数：1）初始化权、阈值子程序；2）第m个学习样本输入子程序；3）第m个样本教师信号子程序；4）隐层各单元输入、输出值子程序；5）输出层各单元输入、输出值子程序；6）输出层至隐层的一般化误差子程序；7）隐层至输入层的一般化误差子程序；8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序；9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序；10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子程序；11）第一
trnn
- 神经网络训练，应用matlab7NN包，用一个隐藏层使用5折交叉验证。-Training the Neural Network This scr ipt is something that I did for a course at Uni. It uses the Neural Networking package provided with MatLab 7 unfortunately I m not sure if it s available with the earlier ve
Romberg
- (1) 设计算法并编制程序，进行调试。 (2) 用调试好的程序解决如下问题： 计算 的近似值，取精度为 步骤一、先编制计算函数值的程序； 步骤二、执行编制好的Romberg算法，输出T。 (3)用Romberg算法和复合Simpson公式分别计算 的近似值， 其中b分别取为b=0.1, 0.3, 0.5, 0.7, 0.9 -(1) the design of algorithms and programming, for debugging. (2) wit
HanZiFreq
- 汉字字频统计软件说明： 1. 这个小工具可以对一个文本文件中出现的汉字的字形数和字种数进行频次统计； 2. 字频统计结果按照降序输出； 3. 可同时选中多个文本文件进行字频统计； 4. 程序启动后点击主菜单中“统计字频”下“选取文件”就可以开始进行字频统计； 5. 统计结果保存在HanZiFreq_Result.txt文件中； 6. 这个工具不能处理非纯文本格式的文件（比如rtf，word .doc文件等），并且只能处理GB码的文件。 7. \test目录下有一
Ch06
- 6.1 简介 6.2 资料的表示 6.3 相似度的计算与测量 6.4 分群法的采用 6.5 分割式分群法 6.6 非分割式分群法 6.7 分群法在大型资料集合之设计 6.8 评估分群的结果-6.1 Introduction 6.2 The data indicated that 6.3 Calculation and Measurement of similarity grouping law of 6.4 using 6.5 cut 6.6 clustering m
CellAuto
- 元胞自动机的虚拟程序 开发工具：Microsoft Visual Basic 6.0 运行平台：Windows OS (VB编译，代码未优化,运行速度较慢) 词语解释： CA，cellular automata，元胞自动机，或称细胞自动机。 模式(Pattern)，多个细胞构成的一个状态组合。 模型： 维度，二维四方网格 细胞，两种状态（活、死）；一个方格代表一个细胞。 邻居，Moore型(上、下、左、右、左上、右上、左下、
2
- matlab课程设计 课程报告题目：一类模糊PID控制器模糊查询表设计 2课程报告要求：按照讲课内容，在课程报告中应完整且详细地包括以下内容： 1设计任务 2确定输入量和控制量的论域及模糊参考集 3 确定模糊关系矩阵 4 输入量模糊化 5 模糊推理计算 6 模糊判决 7 模糊控制查询表 -matlab Course Design Course Report Title: a fuzzy PID controller, fuzzy look-up table d
BP-matlab
- 基于C开发的三个隐层神经网络,包括 1）初始化权、阈值子程序； 2）第m个学习样本输入子程序； 3）第m个样本教师信号子程序； 4）隐层各单元输入、输出值子程序； 5）输出层各单元输入、输出值子程序； 6）输出层至隐层的一般化误差子程序； 7）隐层至输入层的一般化误差子程序； 8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序； 9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序； 10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子
Supply_Chain_Management
- 供应链管理实用建模方法及数据挖掘 本书包括：经济全球化及企业竞争优势、供应链管理理论、供应链本流及其定量分析方法、提高供应链管理的运作绩效等内容。 简明目录： 1.经济全球化及企业竞争优势/2.供应链管理理论/3.供应链成本流及其定量分析方法/4.提高供应链管理的运作绩效/5.几种数据驱动型建模方法/6.产品供应链中的数据挖掘技术/7.供应链契约//参考文献-Supply Chain Management Modeling and Data Mining practical
BP-neural-network_c
- 基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数： 1）初始化权、阈值子程序； 2）第m个学习样本输入子程序； 3）第m个样本教师信号子程序； 4）隐层各单元输入、输出值子程序； 5）输出层各单元输入、输出值子程序； 6）输出层至隐层的一般化误差子程序； 7）隐层至输入层的一般化误差子程序； 8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序； 9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序； 10）第二隐层
RSNA
- 待辨识对象参数a=[1 -1.5 0.7] b=[1 0.5] 输入采用长度L=400的白噪声序列，输出 ，输入和输出数据均含不相关随机噪声，ρ（k）=1/k。利用上述递推公式，辨识系统参数。-To identify the object parameters a = [1-1.5 0.7] B = [1 0.5] Input the length L = 400 white noise sequence, the output, the input and output data
machine-learning_PCA
- 环境为winpython 32bit 2.7.5.3 p = PCA() print u"均值化后的数据集为：",p.dataset( H:\\PCA_test.txt ) print u"协方差矩阵为：",p.COV() print u"特征向量为：",p.eig_vector()[1] tt = p.pc(dim=1) print "tt:",tt print u"新的维度数据集",tt[1]- """ Principal c
BP
- 现有一种合金由A,B,C三种元素及杂质组成 测试5次 A百分含量 [7.1 7.0 6.9 6.8 7.2] B百分含量 [3.2 3.4 3.6 3.8 4.0] C百分含量 [2.5 2.9 3.1 2.6 2.2] 硬度[78 65 78 69 72] 用BP神经网络进行拟合BP神经网络进行拟合-The BP neural network to carry on the fitting
Ant-colony-algorithm
- 利用蚁群算法寻找以下10个城市的TSP最短路径。 10个城市的X、Y坐标分别为：（0.1,0.6）、（0.2,0.3）、（0.4,0.1）、（0.5,0.5）、（0.7,0.2）、（0.8,0.4）、（0.2,0.8）、（0.5,0.9）、（0.7,0.6）、（0.9,0.8）。 要求输出最短路径顺序及其长度，以及蚁群算法迭代过程中的最短路径长度进化曲线。 -Ant colony algorithm to find the following 10 cities TSP sho