搜索资源列表
BPexample
- 开发环境:Matlab 简要说明:动量-自适应学习调整算法。在实际应用中，原始的BP算法很难胜任，因此出现了很多的改进算法。BP算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。本例采用动量BP算法，来实现对网络的训练过程，动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网络陷于局部极小。-development environment : Matlab Brief Descr iption : Momentum-adaptive learning
ReversibleJumpMCMCSimulatedAnneaing
- This demo nstrates the use of the reversible jump MCMC simulated annealing for neural networks. This algorithm enables us to maximise the joint posterior distribution of the network parameters and the number of basis function. It performs a global se
EMDduandianchuli
- 利用神经网络分析方法对一个给定信号的两端进行延拓，在数据的两端各得到两个附加的极大值点和两个附加的极小值点.由此利用三次样条函数得到原始信号的上下包络线和平均包络线，实现了准确的EMD分解. -The use of neural network analysis of a signal at the two ends of a given extension to the data obtained at the two ends of the two additional maxima a
svm_wenxian
- 支持向量机是一种新颖的机器学习方法，主要用于模式识别、回归预测、函数逼近、参数估计。相比于其他的学习方法，支持向量机不仅克服了非线性，局部极小和维数灾难问题，而且具有更好的泛化能力。-Support vector machine is a novel machine learning method, mainly for pattern recognition, regression, function approximation, parameter estimation. Compared
simulated-annealing-algorithm--cPP
- 模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法-Simulated annealing algorithm is the search process by giving a time-change and ultimately tends to zero the probability of jumps, and thus can effectively avoid falling into local min
sdggzip
- C++实现的自动聚类系统KlustaKwik源代码\KlustaKwik-R1-7\KlustaKwik-ks for any type of data. We needed a program that would: 1) Fit a mixture of Gaussians with unconstrained covariance matrices 2) Automatically choose the number of mixture components 3)
ga
- 本算法采用遗传算法求解目标函数的极小值，不易陷入局部极值- This algorithm uses a genetic algorithm for the minimum of the objective function, is not easy to fall into local minima
pso-with-mutation-operrator
- 带变异算子的粒子群优化算法,针算法存在易陷入局部最优点的缺点，提出带变异算子算法-Particle swarm optimization algorithm with mutation operator the needle algorithm easy to fall into the shortcomings of local minima, the proposed algorithm with mutation operator
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
nicheGA
- 采用小生境策略的遗传算法程序，分成几个小种群防止陷入局部极小点-Niche strategy using genetic algorithm program, divided into several small populations to prevent falling into local minima
emd-method
- 经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1)信号的极值点(极
monituihuo
- 本实验提出了一类适用于连续函数全局优化问题的模拟退火算法，采用直接产生新解的方法求解De Jone函数的局部最小值，输出最优解和最小值。-In this paper, we propose a class of simulated annealing algorithm which is suitable for the global optimization of continuous functions. We use the method of generating new solutio
PSO_lamda
- 基于模拟退火的粒子群算法，有效避免搜索陷入局部最小解-Simulated annealing particle swarm algorithm, effective avoid local minima search solution