资源列表
fenlei
- rbf神经网络用于分类识别，故障诊断，模式识别，自己编写的-rbf neural network for classification and recognition, fault diagnosis, pattern recognition, have written
PSOt
- 粒子群算法工具箱，有DEMO程序，可以对16中常见函数测试，并附有神经元网络的训练算法-Particle swarm optimization toolbox, there are DEMO program, you can test for 16 common functions, together with the training algorithm for neural networks
qpso
- 量子粒子群算法的matlab实现，有程序说明-Quantum particle swarm optimization algorithm matlab implementation, there is descr iption of the procedures
GA-bp
- 基于遗传算法的bp神经网络优化程序，经测试好用，有很好的应用价值-Bp based on genetic algorithm neural network optimization program, tested easy to use, there is a good value
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对 ．甘露聚糖酶 产物浓度的实时在线预估。-In
ForecastingpopIllafionbasedOnsupportvectorintellig
- 要建立一个有效的支持向量回归(SVR)模型，支持向量回归的3个参数c，y，占丛须预先设定。提出一种新型的遗传算 法一智能遗传算法(IGA)对支持向量回归进行参数调节，以达到寻找最优参数的目的，然后和支持向量回归结合得到一种新的 IGASVR模型，并应用于城市人口预测。最后，将提出的方法与标准SVR模型和BP神经网络模型进行比较，所得结果表明，该模 型训练速度快，并且有较高预测精度，是一种有效的人口预测方法。-To build an effective SVR model，SVR’8
RBF
- 径向基函数神经网络（RBF）的MATLAB程序，比较详细，希望对学习RBF的人有帮助-Radial basis function neural network (RBF) of the MATLAB program, a more detailed study RBF people who want to help
waveform-inversi
- 探地雷达中的波形反演问题，正演采用时域延迟模型，多层介质，反演采用遗传算法，对层厚和介电常数进行联合反演-genetic algorithm for waveform inversion in GPR
11v11-robot-soccer-simulation-
- 11v11机器人足球仿真平台及策略实验源码-11v11 and strategies in robot soccer simulation platform source experiment
pathplann-algorithm
- 基于改进的蚁群算法的机器人路径规划及壁障 能找寻最有路径-Improved ant colony algorithm based on robot path planning and barrier to finding the best path
psownn
- 基于PSO的小波神经网络，有PSO的详解文档，wnn应用，效果一般-Wavelet neural network based on PSO, PSO' s Detailed documents are, wnn application, the general effect
GA-Python
- 基于Python写的遗传算法的应用实例。对于不太善于MATLAB,而熟悉Python的人的一个参考！-Based on genetic algorithm written in Python application examples. Not good for MATLAB, and a person familiar with Python reference!