搜索资源列表
自适应神经网络在确定落煤残存瓦斯量中的应用
- 落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌
微粒群算法源程序
- 微粒群算法源程序 微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。
基本遗传算法程序
- 用二进制数来编码，每个个体用一串二进制编码来表示，适应值计算函数由自己来定义。通过选择、复制、交叉、变异来产生更好的的个体，经过一定代数的循环后，得到最优的个体。
GA_BP.rar
- 一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 二、用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 主程序：gabpfault.m 它包括以下子程序： 1. 网络初始化：nninit.m――给出P，T，R，S1，S2
EO
- 该文件是极值算法的研究，包括一个主程序，一个最适应值程序和一个EO源程序，已通过系统仿真测试-The file is extremal algorithm, including a main program, one of the most fitness programs and a source EO has been tested by simulation
adpmedian
- matlab数字图像处理中的自适应中值滤波函数（.m）-adaptive median filter function file in matlab
Gcv
- 一个自适应软阈值去噪的原程序，很实用，我用它解决了很多问题-An adaptive soft-threshold denoising of the original program
matlab
- 为图片进行添加高斯噪声均匀噪声以及椒盐噪声，并且采用a修正的均值滤波和自适应中值滤波进行除噪，并且进行除噪性能判断-Add a picture for uniform noise and Gaussian noise, salt and pepper noise, and the use of a modified mean filter and adaptive median filtering for noise removal, noise removal performance and
test
- 包括建初始种群，编码，适应值计算，以及交叉、变异、重组等源码-Including building the initial population, coding, adaptation values, as well as crossover and mutation or re-source
adaptivefir
- 自适应滤波器。自适应滤波器为11个权系数的FIR结构。（1）不同的方差σ2（2）LMS算法画出一次实验的误差平方收敛曲线，训练长度为500，给出滤波器系数；进行20次独立实验，给出平均收敛曲线。不同步长值的比较。（3）RLS算法，LMS和RLS算法的比较 -Adaptive filter. Adaptive filter weights for 11 of the FIR structure. (1) different variance σ2 (2) LMS algorithm for a
PSO_C++
- 一个很好的学习粒子群算法的例子。（刘康C++版本） 程序介绍： 模拟一群鸟捕食的情景，从而达到优化目标函数的目的，这就是粒子群算法！起初在可行的空间中随机的产生一群粒子，然后让每个粒子开始在虚拟的空间中向四面八方飞翔，并且每个粒子都记下他们飞过的适应值（也就是目标优化函数）最高的点，而且整个粒子群有一个最高适应值个体，这样，粒子在飞翔的时候尽量朝向自己曾飞过的最好的点和集体的最好的点。最后达到收敛到近似最优点的目的。 备注：目标优化函数程序中已经内定了，f6 ={0.
qpso
- 在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。- In order to improve the detection rate for anomaly state and reduce the false positive rate for n
pso1
- 微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。-Particle swarm optimization algorithm with other similar type of evolution, but also the use of " groups"
myGA
- 自适应遗传算法，可以通过简单的调用即可实现最大值和最小值等函数-Adaptive genetic algorithm, a simple call through to the achievement of maximum and minimum values, such as function
GA_main
- 遗传算法整套源程序，包括初始种群，计算适应度值，选择，交叉变异等-Genetic algorithm source code package, including the initial population, calculation of fitness value, selection, crossover and other variant
IEEEXplore
- 视频编码中的自适应维纳插值滤波中的一种框架水平迭代算法。pdf 与大家分享-An Iterative Method for Frame-Level Adaptive Wiener Interpolation Filters in Video Coding
Optimization
- 《小波消噪阈值算法优化》详细阐述了一种自适应小波阈值消噪法。经matlab验证，改进后的算法消噪性能大大提高。-《Optimization threshold algorithm of wavelet de-noising》discribes an adaptive threshold de-noising based on wavelet. It’s proved by matlab program that the performance of adaptive algorithm is m
cp321123
- 这是一个非常简单的遗传算法源代码，是由Denis Cormier (North Carolina State University)开发的，Sita S.Raghavan (University of North Carolina at Charlotte)修正。代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交
adaptive median filter
- matlab自适应中值滤波器，程序代码，试验图片与结果图。-matlab adaptive median filter, the program code, test images and the results of Fig.
scadaptiveBay
- 这是一个小波去噪算法，采用的是阈值去噪，阈值选用Bays自适应阈值，编程环境是MATLAB-This is a wavelet denoising algorithm, using the threshold de-noising, the threshold selection Bays adaptive threshold, the programming environment MATLAB