搜索资源列表
遗传算法用于从EM雷达数据提取地下古墓遗迹定位信息.rar
- 神经网络\遗传算法用于从EM雷达数据提取地下古墓遗迹定位信息
网络神偷
- 利用winsock的服务器与客户端的黑客软件，窃取一切别人机子上的信息-protocols of the use of the server and client software hackers to steal all the others loom on the information
bot-package-1.4
- < 网络机器人java编程指南>>的配套源程序，研究如何实现具有Web访问能力的网络机器人的书。从Internet编程的基本原理出发，深入浅出、循序渐进地阐述了网络机器人程序Spider、Bot、Aggregator的实现技术，并分析了每种程序的优点及适用场合。本书提供了大量的有效源代码，并对这些代码进行了详细的分析。通过本书的介绍，你可以很方便地利用这些技术，设计并实现网络蜘蛛或网络信息搜索器等机器人程序。-lt; Lt; Java Web Robot Programming
adult_net
- BP神经网络预测个人的收入信息，其中adult.data为训练数据，adult.test为测试数据-BP neural network to predict the income of personal information, which adult.data data for training, adult.test test data for
遗传算法用于从EM雷达数据提取地下古墓遗迹定位信息.r
- 神经网络\遗传算法用于从EM雷达数据提取地下古墓遗迹定位信息- The nerve network \ heredity algorithm uses in from the EM radar data to withdraw the underground ancient grave vestige localization information
psoyouhuannyj
- 基于粒子群优化的神经网络训练算法研究论文 摘 要: 本文提出了基于连接结构优化的粒子群优化算法(SPSO) 用于神经网络训练,该算法在训练神经网络权 值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力. 经SPSO 训练的神经 网络应用于Iris ,Ionosphere 以及Breast cancer 模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能 的影响. 与BP 算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训
Sensor_Information_Fusion_and_Its_Application_in_R
- 传感器信息融合及其在机器人中的应用 摘要：多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息，可以获得系统所需的 更准确和更精确的信息。介绍了神经网络融合方法，探讨了信息融合技术在机器人方面的应用。机器 人避障实验验证了所提方法的有效性。 关键词：多传感器信息融合(MIF)；神经网络；移动机器人；避障；-Sensor Information Fusion and Its Application in Robot Summary: Multi-sensor data f
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
VB_ACCESS
- VB+ACCESS公司管理系统设计 随着计算机科学的发展，数据库技术在Internet和Intranet中的应用越来越广泛，为广大网络用户提供了更加周到和人性化的服务。本文描述了如何使用JSP技术来组建企业内部信息管理网站。实现了：员工信息的发布与共享，本文中的员工信息管理系统主要是实现员工资料的录入、信息的查询、记录和管理。作为人事管理系统和企业内网的一部分，企业员工信息管理系统可以便于企业领导掌握人员的动向，及时调整人才的分配；企业内部财务信息的发布与共享，便于管理层决策；员工之间的信息
Ipso
- 提出了一种基于改进型微粒群算法的无线传 感器网络分簇路由算法来优化分簇过程。簇首节点的选取综合考虑候选节点和邻居节点的状态信息-Proposed a modified particle swarm algorithm based on wireless sensor network clustering routing algorithm to optimize the clustering process. Cluster head node, considering the select
neural_networks_f90
- fortran的神经网络训练程序。 Phil Brierley提供 更多信息见 www.philbrierley.com -Neural Network in Fortran90 !! Multilayer Perceptron trained with !! the backpropagation learning algorithm !! coded in Fortran90 by Phil Brierley !! www.philbrierley.com !
CS_Over_Networks
- 压缩传感理论在网络方面的几种应用，建立压缩传感与传统网络信息处理方面联系-Compressed sensing theory in several network applications, the establishment of compressed sensing and information processing aspects of traditional network links
minSu3
- 利用lingo求解网络流量分配矩阵，网络节点数可修改，默认为20。首先输入K条路径矩阵以及其他网络信息，以最小化链路利用率的平方为优化目标对流量进行分配。-Use lingo solving network traffic assignment matrix, the network nodes can be modified, the default is 20. First, enter the path matrix K and other network information to m
chapter33
- 模糊神经网络就是模糊理论同神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体。模糊神经网络可用于模糊回归、模糊控制器、模糊专家系统、模糊谱系分析、模糊矩阵方程、通用逼近器。(Fuzzy neural network is the product of the combination of fuzzy theory and neural network. It combines the advantages of neural network and fuz
神经网络
- 人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。(Artificial neural network (ANN) is a mathematical model that imitates the behavior characteristics of animal neu
SVM神经网络的信息粒化时序回归预测
- SVM神经网络的信息粒化时序回归预测,人工智能算法(Time series regression prediction of information granulation based on SVM neural network)
25neural_network
- 人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。因此本程序对于人工神经网络的一些运用(Case 1 BP neural network data classification - voice feature signal classification Case 2 Nonlinear Modeling of BP Neural Network - Nonlinear Function Fitting)
神经网络模式识别
- 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。(Pattern recognition and intelligent syst
emd+信息熵
- 可以实现机械EMD经验模态分解，提取特征量并利用神经网络进行模式识别故障类型(The empirical mode decomposition of mechanical EMD can be realized, feature quantity is extracted and neural network is used to identify the type of fault.)
BP神经网络图像复原
- 利用神经网络的强大的学习功能将退化的图像回复出原来的信息以及数据