搜索资源列表
NEApers
- 演化神经网络拓扑结构编写的扫雷机器人程序-evolution of neural network topology structure of the mine-sweeping robot procedures
waxtop
- WAXTOP Simulate and plot a random network topology by the method-WAXTOP Simulate and plot a random network t opology by the method
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Kohonen network model. For Kohonen
基于Matlab的BA无标度网络拓扑生成算法
- 基于Matlab的BA无标度网络拓扑生成算法，BA模型有两个重要特性：增长特性和优先连接特性。,Matlab based on the BA scale-free network topology generation algorithm, BA model has two important characteristics: growth characteristics and properties of priority connections.
Fortran_bp
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
Salam
- 最新版改进Salam网络拓扑随机生成算法通用MATLAB源-The latest version to improve the network topology Salam GM MATLAB algorithm randomly generated source
data-dig
- 一些数据挖掘算法相关,包含定义网络拓扑,有关高血压研究方面的数据,朴素贝叶斯分类,关联规则基本概念,数据挖掘算法, 决策树方法在数据挖掘中的应用,训练贝叶斯信念网络,后向传播,贝叶斯信念网络,后向传播和可解释性,多层前馈神经网络-Some relevant data mining algorithms, including the definition of network topology, the high blood pressure research data, Naive Baye
ATT
- A network topology created by BRITE topology generator.
som(Jal.You)
- SOM神经网络（自组织特征映射神经网络）是一种无导师神经网路。网络的拓扑结构是由一个输入层与一个输出层构成。输入层的节点数即为输入样本的维数，其中每一节点代表输入样本中的一个分量。输出层节点排列结构是二维阵列。输入层X中的每个节点均与输出层Y每个神经元节点通过一权值(权矢量为W)相连接，这样每个输出层节点均对应于一个连接权矢量。 自组织特征映射的基本原理是，当某类模式输入时，其输出层某一节点得到最大刺激而获胜，获胜节点周围的一些节点因侧向作用也受到较大刺激。这时网络进行一次学习操作，获胜节点
wsnwithns
- 无线传感器网络在煤矿中的仿真设计 提供了一种监控系统模型以及传感器网络的结构，并且对传感器网络的拓扑控制技术进行了研究及仿真。-Wireless sensor network simulation in the coal mine design a monitoring system model and the structure of sensor networks and sensor network topology control technology research and simu
chenyang
- 度分布的形态与随机网络图相似。当<k>=K时，它有一个显著的顶点且对于大k，呈指数规律衰减。因此，网络的拓扑结构相对单一，所有节点有大约相同数量的边。-Patterns of distribution of random networks with similar plans. When <k> = K, it has a significant peak and for large k, decay exponentially. Therefore, the relat
GIStransportation
- 利用公 交线路路 口作 为顶 点，简化 了传统算 法对复 杂 网络拓扑 图的计 算；同时，利 用乘客 出行 偏好 ．引入 线 网密度来评 价乘客的 出行 方便程度 ，并提 出了一种最短路 径快速搜 索算法．实验证明 ，与传 统算法相比 ，该算法明显提 高了路径搜 索效率． -Intersection as the peak use of bus lines, simplified the traditional algorithm is the calculation of comp
Make_Net
- 本代码可以根据给定的小区数目和小区半径生成网络拓扑结构，并返回基站位置坐标-This code can be based on the given cell number and cell radius generated network topology, and return to the base station coordinates
Breadth_of_Network_Topology_Discovery_Algorithm_an
- 基于广度优先的网络拓扑发现算法及实现Based on Breadth of Network Topology Discovery Algorithm and Implementation-Based on Breadth of Network Topology Discovery Algorithm and Implementation Based on Breadth of Network Topology Discovery Algorithm and Implementation
topo2RED
- This scr ipt give u the performance analysis to 3 congestion control algorithm Tahoe,Reno and Vegas with the help of x-graph using RED queue mechanism on sample network topology.
ga
- 利用禁忌遗传算法来求最小支配集，解决物联网的层簇模型的网络拓扑。 C语言编写，linux 开发环境-Using genetic algorithm to find taboo minimum dominating set, the layer of things to solve the cluster model of network topology. C language, linux development environment
waxtop
- generating random topology in network
BP-neural-network-prediction-method
- BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。-
network-generation-algorithm
- 常用拓扑网络的生成算法，包括随机网络、小世界网络、无标度网络等-Commonly used network topology generation algorithm，Including random networks, small-world networks, scale-free networks, etc.
combat-network-model
- 该程序实现了一个军事网络演化模型的生成以及计算网络的拓扑参数-The program implements a military network evolution model generation and calculating network topology parameters