搜索资源列表
Eight_Num_Fengart
- 本代码是为了应付人工智能的实验而编写的，写的潦草请不要介意。我又是通过这代码来“引玉”，相信看过我编写的黑白棋源代码的人应该知道“引玉”是什么意思。如果你有“玉”（什么更高效的算法能在更短的时间内求得结果，或者博弈方面的），就欢迎“砸”过来－－fengart@126.com，我会很感激！（A* 算法解决八数码问题我已经研究过了，不要砸这个来）在 赛扬D2.1G 的机器上测试，算法的解答时间不超过0.1秒。 最好优先搜索算法的解答时间一般在0.05秒左右。 里面还可以演示八数码问题的从初始态到目标
Ann5
- 基于小波神经网络的时间序列预测的短时交通流量预测的matlab源程序与数据-Based on wavelet neural network time series forecasting short-term traffic flow prediction matlab source code and data
rl
- 人工神经网络(Aartificial Neural Network，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家Warren S.Mcculloch和数学家Walth H.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP算法，Back Propagation)，它的网络
LPC_Project
- 线性预测算法基于遗传算法-支持向量机的水库叶绿素a浓度短期预测非线性时序模型,利学水 报 2009 年 1 月 SHUILI XUEBAO 第第 40 卷 1 期文章编号 :055929350 2009 0120046206 基于遗传算法 -matlab Linear prediction algorithm is based on genetic algorithm- support vector machine reservoir chlorophyll-a concentration of
R-Opt-Lin-Kernighan
- Lin-Kernighan的R-Opt算法。主要思想是CLK，小规模的TSP可以在很短的时间内都到最优解。-Lin-Kernighan algorithm for the R-Opt. The main idea is CLK, small-scale TSP can be in a very short period of time have gone to the optimal solution.
111
- 完美的神经网络程序，程序运行时间按短，效率高。-Perfect neural network program, the program running time by a short, high efficiency.
shijianxulie
- 时间序列的时频特性分析研究时间序列的傅里叶变换及逆变换，快速梅林变换及逆变换，短时离散傅里叶变换，得到瞬时频率。 研究时间序列的Born–Jondan时频分布图，Butterworth时频分布图，Choi–Williams时频分布图，得到瞬时频率。 -Time series analysis of time-frequency characteristics of time series of Fourier transform and inverse transform, the fa
prediction
- 可快速实现卡尔曼预测功能，并可以短时间内得到结果-Kalman predictions function can be realized quickly and can get results within a short time
DNNPID
- 神经网络PID的响应速度比常规PID控制要快，而且系统的调整时间很短，能很快达到给定值，系统输出没有超调，并且误差减小的速度也比常规PID快，因此说明神经网络PID的控制效果要优于常规PID控制。-PID neural network response speed faster than the conventional PID control, and adjust the system time is very short, can quickly reach a given value,
TSP110707-1
- 旅行商问题是一个典型的NP完全性问题。本文基于改进的自适应遗传 算法设计并开发了一个求解旅行商问题的软件程序，并将此程序进行了48 个城市的TSP问题计算，与模拟退火算法的计算过程及计算结果进行了比 较。文中给出了遗传算法在解决TSP问题中的参数选择和编码方式、适应 度函数的设计、种群的初始化和遗传算子的详细设计。通过对此程序的改 装，即可用于其他NP完全性问题的求解。-The traveling salesman problem is a typical NP proble
xiaobo
- 小波神经网络时间预测序列，短时交通流量预测-Wavelet Neural Network Time the predicted sequence- short-term traffic flow forecast
lapsvmp_v02
- 基于先决条件的共轭梯度LAPSVM，算法运算速度快，训练时间短，正确率与其他的相当-Based preconditions conjugate gradient LAPSVM, algorithms computing speed, training time is short, and the other quite correct rate
yi_qun_suan_fa
- 这种算法是目前国内外启发式算法中的研究热点和前沿课题，被成功地运用于旅行商问题的求解，蚁群算法在求解复杂优化问题方面具有很大的优越性和广阔的前景。但是,根据观察实验发现，蚁群中的多个蚂蚁的运动是随机的，在扩散范围较大时，在较短时间内很难找出一条较好的路径，在算法实现的过程中容易出现停滞现象和收敛速度慢现象。在这种弊端的情况下，学者们提出了一种自适应蚁群算法，通过自适应地调整运行过程中的挥发因子来改变路径中信息素浓度,从而有效地克服传统蚁群算法中容易陷入局部最优解和收敛速度慢的现象。-This a
IVA
- 独立向量分析（IVA）是对独立成分分析（ICA）算法的一种扩展，将ICA中的单变量成分扩展为多维变量成分，可有效避免卷积盲源分离过程中的排序模糊性问题。-Independent vector analysis (IVA), a multivariate extension of independent component analysis, tackles the convolutedly mixed blind source separation (BSS) problem in a wa
network-time-series-prediction-
- 小波神经网络的时间序列预测-短时交通流量预测-Wavelet neural network time series prediction- Short traffic flow forecasting
zou.Nlogo
- 人工智能实验，程序不是用vs编写的，为了方便与对于c语言不熟悉的人，采用netlogo软件编写，netlogo语言短时间内容易学会-AI experiment, the program was not written with vs, for convenience and for people who are not familiar with c language, using netlogo writing software, easy to learn language in a sho
short-term-traffic-flow
- 小波神经网络的时间序列预测-短时交通流量预测-Wavelet neural network time series prediction- short-term traffic flow prediction
Combinatorial-Auctions
- 采用禁忌搜索算法解决组合拍卖问题，在短时间内找到近似最优解，用C++语言实现。-Tabu search algorithm for solving combinatorial auctions, in a short time to find the approximate optimal solution with C++ language.
alexnet_test
- 因上传文件大小的限制,仅包含了cifar10部分数据集,将32*32*3扩展到227*227*3,然后完全使用alexnet,短时间训练,可达75%的准确率(Due to the limitation of uploaded file size, it contains only part of cifar10 data set, extends 32*32*3 to 227*227*3, and then uses alexnet completely, and training for a
Test_LSTM
- 利用C++语言实现了长短时记忆网络，复杂性较高。(Using C++ language to achieve long and short time memory network, the complexity is relatively high.)