搜索资源列表
asd
- 非线性规划算法局部搜索能力较强，全局搜索能力较弱，遗传算法局部搜索能力较弱，全局搜索能力较强，结合两者优点得到最优解(Nonlinear programming algorithm has strong local search ability, weak global search ability, weak local search ability of genetic algorithm, and strong global search ability. The best solutio
compute_mapping
- 输入： 二维矩阵；输出：降维结果； 共包含34种降维方法，线性/非线性；局部/全局；监督/非监督(Input: 2-D matrix; output: dimension reduction result; contains 34 dimensionality reduction methods, linear / nonlinear; local / global; supervised / unsupervised.)
PSOTrainBP
- BP神经网络容易陷于局部极小值，PSO算法在无约束非线性函数优化方面性能优越，通常可以直接找寻到全局最优解，即使不能搜多到全局最优解，也距离全局最优点不远。当然，基本PSO算法陷入局部极值也是有的。对于这个缺点目前还没有找到比较有效、省市的解决方案。本案例实现利用PSO算法和BP算法共同训练神经网络，先将网络进行PSO算法训练，然后BP算法接着进行小范围精细搜索，PSO算法训练神经网络的本质就是将输出误差函数（即能量函数）看成目标函数，PSO对能量函数进行全局寻找最小值。(BP neural n
LLRGTV
- Hyperspectral Image Denoising Using Local Low Rank Matrix Recovery and Global Spatial Spectral Total Variation
PSOGA
- 粒子群优化算法，弥补pso全局搜能力差，GA局部搜索能力差的不足(Particle Swarm Optimization (PSO) can make up for the deficiencies of poor global search ability of PSO and poor local search ability of GA.)
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network