搜索资源列表
广义异或bp算法
- 本文件为用C语言实现的可实现广义异或问题的bp神经网络算法。该问题是对标准异或问题的推广。在标准异或问题中,输入X1和X2取离散量-1或+1,在广义异或问题中,输入(X1,X2)可以在区间[-1,+1] X [-1, +1]内任意取值,而输出为Y=sign(x1,x2),其中sign()为符号函数,在区间[-1,+1] X [-1, +1]内随机产生500个训练样本.本程序用标准BP网实现该分类问题.-this document for the use of C language of achi
realDBSCAN
- 二维的DBSCAN聚类算法,输入(x,y)数组,搜索半径Eps,密度搜索参数Minpts。输出: Clusters,每一行代表一个簇,形式为簇的对象对应的原数据集的ID-two-dimensional clustering algorithm, the input (x, y) array, search radius Eps. Minpts density search parameters. Output : Clusters, each firm on behalf of a cluste
Substituter.java
- 代入法的启发示搜索 我的代码实现是:按照自然语言各字母出现频率的大小从高到低(已经有人作国统计分析了)先生成一张字母出现频率统计表(A)--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ,再对密文字母计算频率,并按频率从高到低生成一张输入密文字母的统计表(B),通过两张表的对应关系,不断用A中的字母去替换B中的字母,搜索不成功时就回退,在这里回朔是一个关键。 -generation into a
BP
- BP算法 给定一个由N维向量X组成的集合,这些向量将是一个响应agent的感知处理单元计算出的特征向量。这些分量的值可以是数值,也可以是布尔值。这些动作也许是学习者所观察到的一个教师对一组输入的响应。这些相关的动作有时称为向量的“标号”或“类别”。集合与响应的标号组成“训练集合(training set)”.机器学习问题就是寻找一个函数。
matlab sourcecode for 指纹
- 基于matlab的指纹识别系统,采用基于细节点对比,输入图像必须是256×256,8-bit灰度值,500dip的指纹。-Matlab-based fingerprint identification system based on Minutiae contrast, imported images must be 256 x 256.8-bit gray scale values 500dip fingerprints.
bp
- #include "iostream.h" #include "iomanip.h" #define N 20 //学习样本个数 #define IN 1 //输入层神经元数目 #define HN 8 //隐层神经元数目 #define ON 1 //输出层神经元数目 double P[IN] //单个样本输入数据 double T[ON] //单个样本教师数据 double W[HN][IN] //输入层至隐层权值 double V[ON][HN] //隐
FLCH3eg1
- 采用单神经元结构对两类样本进行分类,其中X为输入样本,T为目标向量。X=[-0.5,-0.5,0.3,0.1,-0.1,0.8,0.2,0.3 0.3,-0.2,-0.6,0.1,-0.5,1.0,0.3,0.9] T=[0,0,0,1,0,1,1,1]- The self learning function of the multilayer perceptron of an artificial neural network can be easily realized by the
bp_v1_2
- -----引入动量的算法 建立一个3层(含输入层)的BP神经网络,并对其进行训练 输入层不进行数据处理,隐含层激活函数为sigmod函数,输出层为线性函数 输入输出数据归一化到[-1,1],数据在矩阵中按行向量表示 即x=[x11,x12 x21,x22 ... xp1,xp2] y=[y1 y2 ... yp] p为样本数 -The introduction of the algorithm ----- momentum to build a three-layer (
Prediction_program
- 对于任意输入的一个LL(1)文法,构造预测分析程序,输出输入串的自动匹配过程。首先实现集合FIRST(X)构造算法和集合FOLLOW(A)构造算法,再实现预测分析表构造算法。再构造预测分析程序,输出字符串的自动匹配过程。-For any input of a LL (1) grammar, structure prediction analysis program, import and export series of automatic matching process. First of
RBFyuanchengxu
- 在RBF神经网络学习过程中,I出F神经元先计算输入与中心之间的距离,然 后再对这一距离进行某种非线性变换。输出层和隐藏层分别完成不同的任务,这两层学习的策略也不相同。输出层是对线性权进行调整,采用的是线性优化策略, 因而学习速度较快。而隐藏层是对传递函数的参数进行调整,采用的是非线性优 化策略,因而学习速度较慢。 RBF算法选用高斯函数作为隐藏层传递函数时,由隐藏层来实现从 x哼R,(x)的非线性映射,由输出层来实现从R,(X)--->y。的线性映射。-In the R
zhi-po-lian-huan
- 这是一个智破连环的算法 【输入文件】 输入文件zplhz.in第一行包含三个整数:M、n和k(1 £ M, n£ 100,1£ k£ 1000),分别表示B国连环阵由M个武器组成,A国有n个炸弹可以使用,炸弹攻击范围为k。以下M行,每行由一对整数xi,yi(0£ xi,yi £ 10000)组成,表示第i(1£ i£ M)号武器的平面坐标。再接下来n行,每行由一对整数ui,vi(0 £ ui,vi£ 10000)组成,表示第i(1£ i£ n)号炸弹的平面坐标。输入数据保证无误和有
bp_application_2
- 用BP神经网络实现输入x=0.3*sin(i*pi/50)+0.4*sin(i*pi/25)到输出y(n)=1/(1+3*y(n-1)+x(n)*x(n))的近似模拟,其中y(0)=0.15-BP neural network input x = 0.3* sin (i* pi/50)+0.4* sin (i* pi/25) to the output y (n) = 1/(1+3* y-(n-1)+approximate simulation of x (n)* x (n)), where y
1
- 请编写算法,求一元多项式Pn(x) = 的值Pn(x0)。本题的输入为ai(i = 0,1,…,n),x0和n,输出为Pn(x0) -Please write the algorithm, find a polynomial Pn (x) = the value of (Pn) (x0). The input of this title for the ai (i = 0,1, ..., n), x0, and n, the output of Pn (x0)
BP_sin
- 用C语言设计的一个BP网络,实现从输入到输出对y=sin x (0≤x≤2π)函数关系的近似模拟-C language design a BP network, from input to output to approximate the functional relationship of y = sin x (0 ≤ x ≤ 2π)
BP_exp
- 用C语言设计的一个BP网络,实现从输入到输出对(2)z= x exp(-x2-y2) (-2≤x, y ≤2)函数关系的近似模拟-C language design a BP network, from input to output (2) z = x exp (-x2-y2) (-2 ≤ x, y ≤ 2) a function of approximate
RLS
- 仿真对象如下: 其中, v( k )为服从N (0,1) 分布的白噪声。输入信号u ( k) 采用M 序列,幅度为 1。M 序列由 9 级移位寄存器产生,x(i)=x(i-4)⊕x(i-9)。 选择如下辨识模型: 加权阵取Λ = I。 衰减因子β = 0.98,数据长度 L = 402。 辨识结果与理论值比较,基本相同。辨识结果可信 -he simulation object is as follows: among them, v (k) to obe
twodimapproximationbp
- 单输出函数Y=SIN(X)逼近问题的bp程序:假设网络结构为3--2--1,输入维数M,共N个样本,一般输入不算层,输出算层- 激活函数: hardlim---(0,1),hardlims---(-1,1),purelin,logsig---(0,1),tansig----(-1,1) softmax,poslin,radbas,satlin,satlins,tribas 训练算法: 1.traingd,traingdm,traingda(variable l
simulate-trigonometric-function
- 建立一个单输入但输出的三层神经网络,模拟三角函数 y=sinx+cosx (-π<x<π) -Establish a single-input single-output three-layer neural network ,simulate the trigonometric function y = sinx+ cosx (-π <x <π)
ganzhiqi2
- 3、单计算节点感知器,3个输入。给定3对训练样本对如下所示: X1 = (1,-2,0,-1) ,d1 =-1;X2 = (0,1.5,-0.5,-1),d2 = - 1;X3 = (-1,1,0.5,-1),d3 =1; 设初始权向量W(0)=(0.5,1,-1,0.5),2η=0.1。注意,x第四列为阈值恒等于-1,权向量中第后个分量为阈值,试根据以上学习规则训练该感知器。 -3, a single compute node sensor, three inputs. Given
rfqueststarvatin
- 用改进的欧拉方法求解初值问题,其中一阶微分方程未y f(x,y) 初始条件为x x[0]时,y=y[0] 输入 f--()