搜索资源列表
401
- 遗传算法，用于求解最优化问题。利用生物进化的理论求解目标函数的最大值或最小值。-Genetic Algorithm
69
- 含有DG配电网重构，基于小波神经网络优化电网损耗并且考虑了电压降落和电压偏移多目标-DG containing distribution network reconfiguration, optimize network losses wavelet neural network and considering the voltage drop and voltage offset multi-target
plot_isotonic_regression
- 保序回归是寻找使训练集均方差最小的近似函数，它的优点是目标函数不要线性的。-The isotonic regression finds a non-decreasing approximation of a function while minimizing the mean squared error on the training data. The benefit of such a model is that it does not assume any form for the tar
chengxu
- 基于遗传算法的IEEE30节点无功优化程序，针对电网的电压损耗作为目标函数进行了优化，优化的目标是使得网损达到最小值。-IEEE30 node reactive power optimization based on genetic algorithm, in view of the grid voltage loss as objective function is optimized, the goal of optimization is to achieve minimum networ
PSO
- 多目标约束优化程序 基于PSO算法 解决rosenbanana极小值问题-Multi objective constrained optimization program based on PSO algorithm to solve the rosenbanana minimum problem
sihuanghou
- 人工智能的四皇后问题，回溯法——在约束条件下先序遍历，并在遍历过程中剪去那些不满足条件的分支。 使用回溯算法求解的问题特征，求解问题要分为若干步，且每一步都有几种可能的选择，而且往往在某个选择不成功时需要回头再试另外一种选择，如果到达求解目标则每一步的选择构成了问题的解，如果回头到第一步且没有新的选择则问题求解失败。 在回溯策略中，也可以通过引入一些与问题相关的信息来加快搜索解的速度。对于皇后问题来说，由于每一行、每一列和每一个对角线，都只能放一个皇后，当一个皇后放到棋盘上后，不管它放在棋
qpffn
- 连续相位调制信号(CPM)产生，小波包分析提取振动信号中的特征频率，MIT人工智能实验室的目标识别的源码。- Continuous phase modulation signal (CPM) to produce, Wavelet packet analysis to extract vibration signal characteristic frequency, MIT Artificial Intelligence Laboratory identification of the tar
fao_gv23
- 这是一个好用的频偏估计算法的matlab仿真程序,包括最小二乘法、SVM、神经网络、1_k近邻法,合成孔径雷达（SAR)目标成像仿真。- This is a useful frequency estimation algorithm matlab simulation program, Including the least squares method, the SVM, neural networks, 1 _k neighbor method, Synthetic Aperture Rad
1
- 人工势场法，实现智能避障，解决局部极小问题和目标不可达问题(Artificial potential field method, realizing intelligent obstacle avoidance, solving local minimum problem and target inaccessibility problem)
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中，使用卷积层不只是用来提取特征图，同时也是作为输出层去计算边界框（bounding box）和分类概率。我们模型中的检测管道（detection pipeline）只包含一个神经网络的前向通路，因此它运行起来是极其迅速的。我们的模型是全卷积结构的，因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度，在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
Function optimization algorithm
- 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化， 而不针对参数本身， 从而不受函数约束条件的限制； 搜索过程从问题解的一个集合开始， 而不是单个个体， 具有隐含并行搜索特性， 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f