搜索资源列表
-
0下载：
粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation).源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 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
-
-
0下载：
介绍模糊控制，智能控制，神经控制和遗传控制系统的书籍-Introduction of fuzzy control, intelligent control, neural control and the genetic control system for books
-
-
1下载：
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
-
-
0下载：
基于遗传算法与模糊系统的应用研究概述,自己查阅资料总结的，感觉很不错！-Based on Genetic Algorithms and Fuzzy System Applied Research, summarized their data access, feels really good!
-
-
0下载：
粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究。
PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。
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
-
-
0下载：
：针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应
控制方法．该方法对受控对象的已知部分．采用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及
外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系
统．仿真表明该方法是有效的。 -A discussion is devoted to design neural network adaptive control scheme of t
-
-
1下载：
课程设计要求 0
实验一 基于模板匹配的字符识别 1
实验二 基于C均值算法的车辆检测与跟踪 3
实验三 水果分类系统设计 5
实验四 基于遗传算法的图像歪斜校准 6
实验五 基于BP网络的函数逼近 9
实验六 空调模糊控制系统设计 -Curriculum design requires 0
Experimental one based on template matching character recognition 1
C-means algorithm
-
-
0下载：
采用遗传算法对模糊RBF神经网络进行优化，并用于非线性系统辨识。-The genetic algorithm optimized fuzzy RBF neural network for nonlinear system identification.
-
-
0下载：
粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解．
PSO的优势在于简单容易实现并且没有许多参数的调节。目前已被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。-The basic idea of Particle Swarm Optimization (PSO) is to find the optimal solution by cooperating and sharing information among individuals.
-
