搜索资源列表
TimeSeriesPredictionUsingSupportVectorRegressionNe
- 为了选择神经网络的最好结构以及增强模型的推广能力，提出一种自适应支持向量回归神经网络(SVR—NN)。SVR—NN 用支持向量回归(SVR)方法获得网络的初始结构和权值， 白适应地生 成网络隐层结点，然后用基于退火过程的鲁棒学习算法更新网络结点疹教和权 主。 SVR—NN有很 好的收敛性和鲁棒性，能抑制由于数据异常和参数选择不当所导致的“过拟合，’现象。将SVR—NN 应用到时间序列预测上。结果表明，SVR．NN预测模型能精确地预测混沌时间序列，具有很好的 理论和应用价值。-Ab
HSOGA
- 《求解全局优化问题的混合自适应正交遗传算法》一文的源码，见软件学报2010年第6期的文章。该代码中的自适应正交叉遗传算子有极强的搜索能力，特别适合高维工程函数模型的优化，如机器人多自由度的数学模型优化。虽然本人虽已不从事什么学术上的研究，但若你借鉴了其中的代码或者思想，请把该文献加入到你的参考文件中，谢谢。-" Global Optimization Problem with adaptive orthogonal genetic algorithm," a source te
GA.ZIP
- 这是另一个采用FORTRAN语言编写的遗传算法的源程序，包括很多交叉和变异模型。-This is another use of FORTRAN language source of genetic algorithms, including a lot of crossover and mutation model.
yichuansuanfaC
- 遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型. 生存+检测的迭代搜索过程是它的核心. 具体分成五部,其中每步就是程序实现过程: 参数编码(实际问题编码到遗传基因),初始群体设定(祖先),适应度函数的设计(生存选择),遗传操作设计(遗传+变异),控制参数设计(交叉率0.2-0.99,变异率0.001-0.1). -Genetic algorithms are simulated Darwinian natural selection of genetic sel
Adaptive-Embedding-Dimension
- 嵌入维数自适应最小二乘支持向量机 状态时间序列预测方法 Condition Time Series Prediction Using Least Squares Support Vector Machine with Adaptive Embedding Dimension 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题, 提出一种基于嵌入维数自适应 最小二乘支持向量机( L SSVM ) 的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重要参
artificial-neural-network
- 人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及 功能的一种抽象数学模型。自1943 年美国心理学家W. McCulloch 和数学家W. Pitts 提 出形式神经元的抽象数学模型—MP 模型以来，人工神经网络理论技术经过了50 多年 曲折的发展。特别是20 世纪80 年代，人工神经网络的研究取得了重大进展，有关的理 论和方法已经发展成一门界于物理学、数学、计算机科学和神经生物学之间的交叉学科。 它在模式识别，图像处理，智能控制，组合优化，金融预测与
ant-colony-optimization-algorithm
- 建立了带约束条件的物流配送问题的数学模型，运用蚁群算法解决物流配送路径 优化问题，并将遗传算法的复制、交叉、变异等遗传算子引入蚁群算法，同时改进信息素的 更新方式、客户点选择策略，以提高算法的收敛速度和全局搜索能力。经过多次实验和计算 ，证明了用改进的蚁群算法优化物流配送线路，可以有效而快速地求得问题的最优解或近似最 优解。-A mathematical model with the constraints of logistics and distribution issues,
K-fold-crossvalidate
- 神经网络的K折交叉验证用于模型选择和测试数据验证-crossvalidate of ANN
Python机器学习基础教程(完整电子版)
- 本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。(This book is an introduction to machine learning, introduced in Python langua