模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ

基于gaot工具箱优化BP以实现数据拟合。在nninit.m中修改数据存储的路径以及隐含层节点数的设置（S1），遗传算法与bp的参数修改在ga_bp.m中进行。-Toolbox gaot Optimize based on BP in order to achieve data fitting. At nninit.m modify the path of data storage as well as the hidden layer nodes of the set (S1), geneti

SVM face recognition 程序源代码 s1-s40 --------- 人脸数据库 face.m --------- 人脸识别主程序 load_database.m------载入数据函数 其他-------------LIBSVM工具箱函数 注意：LIBSVM需要手动安装，先安装编译器，再执行make.m-Source code S1-s40-----face database Face. M-----face recognition t

1.掌握利用人工神经网络进行数据拟合的方法。 2掌握利用人工神经网络进行分类的方法。 -1 master data fitting method using artificial neural networks. 2 to master the use of artificial neural network to classify.

人工神经网络是深度学习的基础，并在图像识别上应用非常多。本代码内容是一个经典的BP网络，S1和S2分别表示中间层和输出层的神经元个数，学习3幅不同类型的图像并输出。-Artificial neural networks are the basis of deep learning and are used in image recognition. The contents of this code is a classic BP network, S1 and S2, respectively