资源列表
Q学习实现资源分配
- 目前适用广泛的强化学习就是Q学习，此压缩包包含Q学习实现例程，用于解决资源分配问题。
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate
L4_3
- 实验数据集为：(0.697 0.460)、(0.774 0.376)、( 0.634 0.264)、(0.608 0.318)、(0.556 0.215)、(0.403 0.237)、(0.481 0.149)、(0.437 0.211)、(0.666 0.091)、(0.243 0.267)、(0.245 0.057)、(0.343 0.099)、(0.639 0.161)、(0.657 0.198)、(0.360 0.370)、(0.593 0.042)、(0.719 0.103)、(0.3
bp pred
- 反向传播神经网络进行数据回归预测，选取自变量为多维，因变量为一维(Back propagation neural network is used for data regression prediction. The independent variable is multidimensional and the dependent variable is one-dimensional.)
kNN_codes
- python的使用knn算法对水果数据进行分类，水果数据包含水果名、水果重量、长度、宽度参数(python's knn algorithm)
sift匹配算法代码
- 利用matlab来实现sift图像匹配，做影像匹配方面研究的，有需要相关函数的可以下载，选取利用。
[NN][HW2]
- this code for neural network developed and tested completly
188_指标多周期EA1.4_10_84
- 多周期多图表多品种运行，分散风险，让交易变得简单化轻松化。188_指标多周期EA1.4_10_84系统采用顶底指标和趋势指标同步共振原理，同时也可以结合其他指标的提示。(Multi cycle, multi chart and multi variety operation can disperse risks and simplify the transaction. 188_ Index multi period ea1.4_ 10_ 84 system adopts the synchro
Copula
- 试用于Clayton Copula函数的代码
Python机器学习_预测分析核心算法
- Python机器学习_预测分析核心算法(Python machine learning_ Prediction analysis core algorithm)
MatalbDE算法代码
- 本资源是差分进化算法（DE）的matlab代码，差分进化算法的原理介绍网上有很多，这里放些代码供参考，如有错误，希望大家指正。
手写数字识别
- 简单的神经网路学习入门学习资料，使用bp神经网络进行手写数字识别。