搜索资源列表
AI
- 人工智能中的八数码问题：附有详细的注释 我们可以将八数码问题看成移动空格的问题.在不断的移动空格过程当中不断改变棋盘的布局,使之到达目标状态. 用一个open表(本程序采用序栈)的节点,从中选择一个总体代价最小的节点(不妨设为A节点,栈不为空时)是否是目标状态,如果不是则将A节点的有效的儿子节点(不在open表及closed表中出现过,不违反移动规则)插入有序表open表中,并将A节点插入closed表中.然后重复以上操作.
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
BP
- 基于Visual C++6.0的BP神经网络程序，具有可视化界面，可以自由选择输入节点个数，层数，最大迭代次数，步长
AIA2
- 人工免疫克隆选择算法是一种比较新型的智能算法，其基本算法结构与遗传算法是类似的，以下源码是为网络节点分组调度问题而设计的算法。-Artificial immune clonal selection algorithm is a relatively new type of intelligent algorithms, the basic algorithm structure and the genetic algorithm is similar to, the following sour
truslate
- 基于神经网络的pid控制，可任意选择各层节点数目-Pid control based on neural network can choose the number of layers of nodes
aco1
- 蚁群算法在电缆敷设系统中的应用与在TSP中有所不同。TSP中所有节点必经过，形成闭合路径；而电缆敷设系统中只有起始设备和终端设备所在的节点是必须经过，中间路径有意选择。本文根据电厂电缆敷设的具体情况，对蚁群算法进行了相应修改，并应用于其中，得到了比较理想的结果。-Ant colony algorithm in cable laying system and in the TSP in different. After all nodes in the TSP will form a close
GeneticforTSP
- 人工智能的作业，用遗传算法解决TSP问题，可以在每一步选择不同的算子，最终得到解的步数和历经的节点数以及运行所需的时间。-Work in artificial intelligence, genetic algorithm to solve TSP problem, you can choose different at each step the operator, the final solution of the step and get the number of nodes and r
BP
- 建立BP神经网络负荷预测模型，并对BP神经网络的节点（输入层、中间层、输出层）进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of BP neural network load forecasting model, and the BP neural network nodes (input layer, middle layer, output layer) to select and choose the appropriate
A-star
- c#实现的a星算法寻找最近距离，支持障碍物选择，采用节点网络模式，可以移植到其他模式识别问题中。-failed to translate
Minimum-Energy-Consumption-Design-
- 本文介绍了一种在保证网络QOS需求（传输率）的前提下，对节点进行动态能量分配的中继选择算法。通过这种能量分配，减少了总的能量消耗，可以延长整个网络的生命周期。-For a given quality of service (QoS) requirement such as transmission rate between the source and the destination, relay nodes have an adaptive power control scheme
2004062923325819487
- 八数码问题，基于A*算，A*算法是一种有序搜索算法，其特点在于对估价函数的定义上。对于一般的有序搜索，总是选择f值最小的节点作为扩展节点。-Eight digital issue
bushuma
- A*算法是一种有序搜索算法，其特点在于对估价函数的定义上。对于一般的有序搜索，总是选择f值最小的节点作为扩展节点。因此，f是根据需要找到一条最小代价路径的观点来估算节点的-To 8 digital or 15 digital , for example , with the A* algorithm to write a procedure for solving digital problems .
bpnet3
- 能够自动选择隐含层节点个数的神经网络预测程序-this algorithm is able to choose the best hidden layer size and has the better performance
LVQ
- 该评估问题实际上是一个分类问题，评价指标作为网络的输入，评估等级是网络的输出，CPN网络的竞争层能够进行聚类，再通过有导师学习就可以精确划分类型，在该例中获得了成功的应用。 从此例中也可以发现，随着样本数得增多，网络的训练次数也随之增加，另外，该例中隐层节点数的选择还主要依靠经验和试验。 由本实验的结果可知，利用CPN神经网络实现博士论文评价具有很好的效果，其评价结果与专家所给结果基本一致。-The evaluation problem is actually a classificat
channel_sl
- 用遗传算法实现信道选择，需要建立一个用户信息，节点的邻居信息，用户的邻居信息的文件，读取进来才能实现。-Genetic Algorithms for channel selection, need to establish a user information, the neighbor node information, neighbor information of the user files, read in can be achieved.
relay-selection
- 协作通信网络中的中继节点选择技术的分析与研究。论述选择方法及性能对比-Cooperative communication network relay node selection technique analysis and research. Discusses selection methods and performance comparison
TreeRegression
- 树回归：对复杂的关系建模。一般可以分为两种，一种是回归树，一种是模型树， 主要的区别在于对于叶节点的建模方式，回归树使用分段常数，模型树使用线性回归方程。 可以使用剪枝技术对于可能过拟合的树进行剪枝，剪枝一般分为预剪枝和后剪枝。 回归树和模型树都是2元树，每次总是选择最好的分割方式，分成两部分。 这个是自己写的Python语言的CART树回归程序，基本实现了其原理，注释比较多。-Tree Regression: modeling of complex relationshi
BP_PID1
- 基于BP神经网络的PID控制方法设计控制器，通过BP神经网络与PID的控制相结合的神经网络控制基本原理和设计来自适应的功能调节PID的的三个参数，并根据被控对象的近似数学模型来输出输入与输出并分析BP神经网络学习速率η，隐层节点数的选择原则及PID参数对控制效果的影响。-based on BP neural network PID control method designed controller, through the BP neural network PID control with
SPDP(GRASP_RP)
- 可选择节点的取货送货问题，采用Grasp and Path-relinking的算法，通过类似遗传算法的方法解决问题。-Alternatively nodes pickup and delivery, the use of Grasp and Path-relinking algorithm to solve the problem by a method similar to the genetic algorithm.
ID3
- ID3算法流程如下： 1.如果节点的所有类标号相同，停止分裂； 2.如果没有feature可供分裂，根据多数表决确定该节点的类标号，并停止分裂； 3.选择最佳分裂的feature，根据选择feature的值逐一进行分裂；递归地构造决策树。-ID3 algorithm process is as follows: 1. If the node is the same for all class label, stop dividing 2. If there is no featur