资源列表
chapter4
- 遗传算法，反演出线性方程非线性方程的最优解，准确率较高(Genetic algorithm is the best solution to the nonlinear equation of linear equation, with higher accuracy.)
test benchmarks
- 总共56个测试的基准函数，用于智能算法测试所用。(Totally 56 benchmark functions for testing, they are used for intelligence algorithm testing.)
Elman网络预测上证股市开盘价
- 这是用matlab编写的利用Elman网络预测上证股市开盘价的程序，亲测有效，欢迎下载(This is written in Matlab using Elman network to predict the opening price of the Shanghai Stock Exchange procedures, personally tested effective, welcome to download)
基于BP网络的个人信贷信用评估
- 这是一个用matlab编写的基于BP神经网络的个人信贷信用评估程序，亲测有效，欢迎下载。(This is a personal credit evaluation program based on BP neural network compiled by matlab. It is effective for personal testing. Welcome to download.)
矩阵束的ESPRIT算法
- 经典的DOA估计算法，矩阵束的ESPRIT算法(Classical DOA estimation algorithm, ESPRIT algorithm of matrix pencil)
SVDFLITER
- SVD滤波方法，主要是通过对信号进行奇异值分解，将噪声部分的值归零，再进行信号的重构，顺利地进行滤波。(SVD filtering method, mainly through singular value decomposition of the signal, the noise part of the value of zero, and then signal reconstruction, smoothly filtering.)
梯度下降求解逻辑回归
- 用梯度下降求解逻辑回归基于python语言的实现(Using gradient descent to solve logistic regression based on Python language)
决策树
- 决策树算法基于python语言的具体实现实例(Implementation of decision tree algorithm based on Python language)
基于遗传算法的汽车动力传动系参数多目标优化
- 利用遗传算法对汽车的动力传动系进行优化，以实现汽车发动机和传动系统的最佳匹配，达到充分发挥汽车性能的目的。(The genetic algorithm is used to optimize the driveline of the automobile, so as to achieve the best match between the engine and the driveline and give full play to the performance of the automob
第9章 聚类分析
- 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。 聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。(Clustering analysis refers to the process of grouping a collection of physical
Deep Learning with Python
- 本书由Keras之父、现任Google人工智能研究员的弗朗索瓦?肖莱（Fran?ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。(Deep Learning with Python intr
JA模型M和SILULINK实现
- JA模型的simulink实现，适用于学习迟滞非线性建模的同学(The Simulink implementation of JA model is suitable for students with learning hysteresis nonlinearity modeling.)