资源列表
DTNLBPnet
- 动态一阶改进型BP神经网络对非线性系统的建模程序,直接运行即可!-Dynamic first-order modified BP neural network for nonlinear system modeling procedures can be directly run!
easy
- 用于SVM分类的程序，一次就可以训练和分类-easy.py
MH
- 人工智能中模糊控制表的实现，整个代码清晰明了-Artificial intelligence fuzzy control table to achieve the entire code clarity
Demo_FDnCNN_Color
- 用于图像去噪的matalb代码，残差学习，深度学习，层数为17层(denoising Matalb code for image denoising, residual learning, deep learning, the number of layers is 17)
id3.1(1)
- 在python中，利用ID3方法画决策树,决策树是一种依托决策而建立起来的一种树。在机器学习中,决策树是一种预测模型,代表的是一种对 象属性与对象值之间的一种映射关系(In Python, ID3 method is used to draw decision tree. Decision tree is a kind of tree based on decision. In machine learning, decision tree is a prediction model, whic
BP_NNtool
- 能够根据样本数据训练一个很好的网络系统，根据这个系统可以很好的预测数据值(Able to predict data values well based on sample data)
AdaBoost
- adaboost 集成多个回归算法（线性回归、岭回归、LASSO等）(Adaboost integrates multiple regression algorithms)
9.14DQN-QL
- 深度强化学习一个简单的事例，用于深度强化学习而用(Deep reinforcement learning is a simple example for deep reinforcement learning)
GRU.py
- 时间序列预测，利用GRU模型预测客流、车流时间序列(Time series prediction, short-term time series prediction of passenger flow and vehicle flow)
SIN初始化
- 混沌映射sin映射初始化种群，与标准pso求解sphere函数，精度更好(The chaos map sin map initializes the population, and solves the sphere function with standard PSO, the accuracy is better)
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