搜索资源列表
MCRGSA
- MCRGSA------组播路由问题遗传模拟退火算法 ％M-----------遗传算法进化代数 ％N-----------种群规模，取偶数 ％Pm----------变异概率调节参数 ％K-----------同一温度下状态跳转次数 ％t0----------初始温度 ％alpha-------降温系数 ％beta--------浓度均衡系数 ％ROUTES------备选路径集 ％Num---------到各节点的备选路径数目 ％Cost-------
chaos-rossler1
- rossler混沌系统图像，u取不同参数时的6种混沌状态-rossler chaotic system images, u for different parameters of the six Chaos
Boltzmann Machin
- 仿真1：首先把网络温度参数T固定在100，按工作规则共进行1000次状态更新,把这1000次状态转移中网络中的各个状态出现的次数Si（i＝1，2，…，16）记录下来 按下式计算各个状态出现的实际频率： Pi=Si/∑i=1,NSi=Si/M 同时按照Bo1tzmann分布计算网络各个状态出现概率的理论值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：实施降温方案，重新计算 采用快速降温方案：T（t）= T0/（1+t） T从1000降到0.01，按工作规则更新网络状态 当T=0.01时结
xiaoshijieshenjingwangluozhongdelianxiangjiyiyanji
- 摘要： 本文研究了基于小世界结构的神经网络中的联想记忆模型。网络恢复存储模式的行为其实是无序参数为一有限值时的相位变化。越是规则的网络越是难以恢复记忆模式，且容易变成混合状态。另外，在无序参数的值适中时，对于一定数量的存储模式，最终得到恢复的效果可以达到最大。-Abstract: This paper studies the structure based on small-world neural network model of associative memory. Network s
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对 ．甘露聚糖酶 产物浓度的实时在线预估。-In
upload1
- 传教士与野人问题。完美版。getStrategy函数参数是N和k，返回的是一个字符串数组，代表一个状态序列，数组中的每一个元素代表一个状态，每一个状态表示为（a，b，c），其中a表示左岸的传教士数目，b表示左岸的野人数目，c表示船是否在左岸，c=1为船在左岸，c=0为船在右岸。如果问题无解，返回只有一个元素 “no solution”的数组。-Missionaries and savages the problem. Perfect version. getStrategy function p
pso
- 一个java编写的粒子群程序，可自行设置多个参数，并有图像跟踪粒子运行状态，已经在Eclipse上测试通过。-A java program written in particle swarm, are free to set multiple parameters, and image tracking particles running, has been tested on Eclipse.
On-State-Feedback-Control
- 状态反馈控制混沌系统 利用一种简单的线性状态反馈方法控制混沌运动 ,引导混沌系统稳定到失稳的平衡点或 周期轨道上 ,用劳斯2胡尔维茨稳定判据判定受控系统在平衡点处参数的取值范围 ,同时使用广义 Hamilton 系统理论的 Melnikov 方法分析受控系统的周期解. 通过对典型的混沌系统进行数值仿 真 ,证实了该控制方法的有效性.- A Linear state feedback control technique is used to guide the typical ch
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
TSP
- 模拟退火算法求解旅行商问题 程序使用的参数说明：初始温度的选取方法：取一个确定值：280度 状态被接受的条件：如果delta f < 0, 则At = 1，否则At = exp(-delta f / t) 降温算法：采用等比例下降的方法，比例系数为0.95 同一温度内计算结束的条件： 在每个温度下采用固定的迭代次数，Lk=100n，n为城市数； 算法结束条件： 当相邻三个温度得到的解无任何变化时算法停止。 -Simulated annealing algo
svmdetecttraffic
- 利用c++对交通流参数数据样本进行SVM训练，SVM可对交通状态进行分类。-using C++ to have svm be trained, the SVM can detect the states of road traffic.
331
- 针对齿轮箱振动信号的非平稳性和非线性, 提出一种多重分形和支持向量机相结合的故障 诊断方法。运用多重分形理论方法对齿轮振动信号进行分析, 通过分析发现多重分形谱和广义维数作 为故障特征能够很好地反映齿轮箱的工作状态 对支持向量机的参数利用粒子群优化算法进行优化, 并 将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明, 该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类-Gearbox vibration signal of non-s
parzen
- Parzen窗估计法是一种具有坚实理论基础和优秀性能的非参数函数估计方法，它能够较好地描述多维数据的分布状态。-Parzen window estimation method is a non-parametric function estimation method has a solid theoretical basis and excellent performance, it can be used to describe the distribution of state of th
Adaptive_pid
- 在生产过程中为了提高产品质量，增加产量，节约原材料，要求生产管理及生产过程始终处于最优工作状态。因此产生了一种最优控制的方法，这就叫自适应控制。在这种控制中要求系统能够根据被测参数，环境及原材料的成本的变化而自动对系统进行调节，使系统随时处于最佳状态。自适应控制包括性能估计（辨别）、决策和修改三个环节。它是微机控制系统的发展方向。但由于控制规律难以掌握，所以推广起来尚有一些难以解决的问题。 加入自适应的pid控制就带有了一些智能特点，像生物一样能适应外界条件的变化。自适应PID不但可以较好
hmmestimate
- 给定观测序列和状态序列下估计HMM模型的参数-Given the HMM parameters under observation sequence and state sequence estimation
foa-esn
- 回声状态网络的参数设定是随机的，所以可以通过搜索算法来搜索最优参数，这是利用果蝇算法对参数进行寻优，结果良好-The parameter setting of the echo state network is random, so the optimal parameters can be searched by the search algorithm, which is to optimize the parameters by using the fruit fly algorithm.
宙斯纯趋势 欧美 M5 复利
- 专做欧美的趋势型的宙斯纯趋势，其原理非常简单，使用一条移动平均线MA作为入场信号，并在出场设置止盈止损和过滤器。 该策略参数数量少，EA带有复利功能，并能在长时间保持良好的收益状态，不加仓，不网格，每单带止损止盈正是该EA的优点，做单准确率高，盈利快速。(The principle of Zeus pure trend is very simple. It uses a moving average Ma as the admission signal, and sets the stop lo
工作空间中机械手的神经网络自适应控制
- 工作空间中机械手的神经网络自适应控制. 本设计为一个基于神经网络自适应控制的机械手运动模型的 MATLAB 仿真实验。以平面二关节机械手为控制对象，以一圆为目标轨迹。先得到机械手的运动 方程的形式，用 RBF 径向基神经网络对方程式中的系统的各个参数进行建模，利 用每个时刻的估计状态和理想状态的误差，通过梯度下降法对网络参数进行修正， 在若干次修正后，神经网络模型所得的状态跟踪到理想状态。