搜索资源列表
javasom_1[1].0.0
- Kohonen网络的学习过程可描述为：对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，这一调整过程就是竞争学习。随着不断的学习过程，所有输入矢量都在输入矢量空间相互分离，形成了各自代表输入空间的一类模式，这就是Kohonen网络的特征自动识别的聚类功能。请解压缩后按照readme提示进行操作。-Kohonen network learning process can be described as follows : for each one network input,
ProSOM
- SOM的学习规则有三个主要阶段： 1）寻找与输入模式xk最接近的连接权向量Wj*=（wj*1, wj*2,….., wj*N） 2）将该连接权向量Wj*进一步朝向与输入模式xk接近的方向调整 3）除调整连接权向量Wj*外，还调整邻域内的各个连接权向量，并随着学习次数的增加，逐渐缩小邻域范围-SOM learning rules are three main stages : 1) Find the input mode xk closest to the connection wei
自控软件包
- 本多功能自控系统软实验平台包括经典控制理论、现代控制理论、系统辨识、最优控制、智能控制等的软实验内容，其功能接近和部分超过了Matlab的自动控制工具箱，其人性化的中文界面，让使用者能轻松完成各种控制系统实验，是学习控制理论、设计控制系统的有力工具。-the multifunction control system experimental platform including soft classical control theory, the modern control theory,
bp算法源程序
- 反向传播(back－propagation,BP)算法是一种计算单个权值变化引起网络性能变化值的较为简单的方法。由于BP算法过程包含从输出节点开始，反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正，所以称为\"反向传播\"。-BP (back-propagation BP) algorithm is a calculation of the weights of individual changes in network performance changes in the
scripts
- 在一个任意的天线方向图下，利用遗传算法使其接近所给的理想天线方向图。这种方法已经在NASA和其他机构中所利用来制造航天器。这些程序是自动生成一个2.4GHz的微波天线，利用遗传算法和NEC2模拟工具，来实现优化天线。包括最初级的简单双极形天线，在这个基础上又设计了三维空间中两部分天线和三维空间中多部分天线。-In a partially random antenna layout, and use a genetic algorithm to evolve a better solution.
ga1
- 當次代數不斷的往上升，，所得的值也會相較之下越來越接近理想中的最大值38.8~所以次代數越多次，所得的值也相較越精確。找最大值-When the algebraic continued to rise, the value of the proceeds will be compared more and more close to the ideal in the algebraic maximum 38.8 ~ So the more times, compared with values
Backup-of-xujixichechuangan
- 寻迹小车的感应线路系统，通过五个接近地面的光线传感器，来感应地面轨迹，然后纠正小车车轮的转动从而改变方向。-Car line tracing sensor system, close to the ground by five light sensors to sense the ground track, and then turning the wheel to correct the car to change direction.
BP1
- BP神经网络，计算函数的接近问题，多次取值达到一个最精确的结果。 -BP neural network, to evaluate the function close to the problem, several values to one of the most accurate results.BP neural network, to evaluate the function close to the problem, several values R
m10_9
- 神经网络训练的matlab M文件仿真例子。这个例子里面可以看到训练后最终拟合曲线是很接近给定样本的。-Matlab M file of the neural network training simulation examples. This example, which can be seen the training after the final fitting curve is very close to a given sample.
Classification-based--
- 多边多议题谈判 最复杂的现实的协商问题。自动AP- 接近已被证明特别看好复杂的东北 gotiations和以前的研究表明进化COM 可能是有用putation的这种复杂的系统。要改善 证明效率的多边多议题的现实NE- gotiations，避免完整信息的要求 关于谈判的重刑模型的基础上，一种新的谈判 提出了一个改进的进化算法P-ADE。-Abstract Multi-lateral multi-issue negotiations are the most c
MFCC
- MFCC参数提取的所有程序，已接近人耳听觉的特点在语音识别领域得到广泛应用-MFCC parameter getting
the-nearest-points
- 这是最接近点对的算法，希望对大家有所帮助哈-the nearest points
DeepLearningTutorials-master
- 深入学习是机器学习研究的一个新领域,已介绍了移动机器学习的目标更接近原来的目标之一:人工智能。深度学习学习多个水平的代表性和抽象,帮助理解数据(如图像、声音和文字。本文提供的教程将向您介绍一些最重要的深度学习算法,还将向您展示如何使用Theano运行它们。Theano是一个python库,使写作深度学习模型简单,并提供培训在GPU的选项。-run them using Theano. Theano is a python library that makes writing deep learn
shenjingwangluo-fx.m
- 对波形的无限接近的神经网络函数，使得我们的数值不断的接近我们的实际数值-Infinitely close to a neural network function waveform, so we continue to be close to the value of our real values
gcforest
- 周志华教授深度森林算法代码，用于分类精度接近深度学习算法-Professor zhihua s deep forest algorithm code is used to classify precision approach to deep learning algorithm
GAaPSO
- 遗传-粒子群算法 PSO-GA算法 解决多目标优化算法问题，针对最优解求解可得到更好的解，接近最优的目标值。(Genetic algorithm (PSO) PSO-GA algorithm is used to solve the multi-objective optimization problem, and the better solution is obtained for the optimal solution, and the near optimal target valu
knn
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。(Neighborhood algorithm, or K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in data mining class
Sentiment Analysis1
- 读取csv或xlsx文件后对文本信息进行NLP情感分析并计算出情感的得分，越接近1越积极，越接近-1越消极(After reading the CSV or xlsx file, NLP sentiment analysis is performed on the text information and the score of sentiment is calculated. The closer to 1, the more positive, the more close to - 1,
欧美刷单-EA
- 一款货币黄金都可运行的策略，策略自己亲测效果很试不错，运行四个月时间盈利接近翻四倍，大数据行情正常运行，策略参数都是开放的，都可自己调试，有好的运行参数亦可分享您的经验和见解。 无论多好的策略，都存在潜在的风险。确保您设置了适当的止损水平和风险控制规则，以便在市场波动较大或行情反转时保护您的资本。