搜索资源列表
DavidPeterman_C
- 问题描述： 虽然离开浦口了，但在浦口校区后山大家还都有印象吧，可你知道有一座小山在冬天下大雪的时候是可以滑雪的，SEU很喜欢滑雪，这并不奇怪， 因为滑雪的确很刺激，可是为了获得速度，滑雪区域必须向下倾斜，而且当你到底时不得不重新走到上面重滑。SEU想知道在这个区域中最长的滑坡。区域由一个二维数组给出。数组的每一个数字表示山坡上一个点的高度。 下面是一个例子： 一个人可以从一个点滑向上下左右相邻的四个点之一，当且仅当高度减小。在上面的例子中，一条可行的滑坡为24-17-16-
NN+GA
- 1,改进BP神经网络在股市预测中的应用.2,基于MATLAB工具箱的开采煤层自燃危险性预测.3,基于改进的神经网络的电力系统负荷预报.4,基于神经网络的灌溉用水量预测.5,基于遗传算法改进BP网络的地表沉陷预计.6,利用遗传算法改进BP学习算法.7,模糊神经网络在电力市场短期负荷预测中的应用.8,神经网络学习算法存在的问题及对策.9,遗传神经网络在电力系统短期负荷预测中的应用.10,应用改进BP神经网络进行用水量预测.11,用遗传算法改进的BP模型在刹车系统诊断中的应用研究.12,遗传算法改进的
mani
- mani: MANIfold learning demonstration GUI by Todd Wittman, Department of Mathematics, University of Minnesota E-mail wittman@math.umn.edu with comments & questions. MANI Website: httP://www.math.umn.edu/~wittman/mani/index.html Last Modified by G
BP神经网络源程序
- 基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数：1）初始化权、阈值子程序；2）第m个学习样本输入子程序；3）第m个样本教师信号子程序；4）隐层各单元输入、输出值子程序；5）输出层各单元输入、输出值子程序；6）输出层至隐层的一般化误差子程序；7）隐层至输入层的一般化误差子程序；8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序；9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序；10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子程序；11）第一
vcDEMO
- 已知函数y=x*sin(10*Pi*x)+2.0。利用人工智能中的遗传算法（GA），计算y在区间（0，2）上的极大值。对于想学习GA的网友们来说，是个很好的Demo。而且对于基因类，已经按照面向对象的思想进行了封装，稍微修改参数就可以用在实际项目中。 实现环境：Visual C++ 6.0. -Known function y = x* sin (10* Pi* x)+2.0. The use of artificial intelligence in the genetic algorit
BP-matlab
- 基于C开发的三个隐层神经网络,包括 1）初始化权、阈值子程序； 2）第m个学习样本输入子程序； 3）第m个样本教师信号子程序； 4）隐层各单元输入、输出值子程序； 5）输出层各单元输入、输出值子程序； 6）输出层至隐层的一般化误差子程序； 7）隐层至输入层的一般化误差子程序； 8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序； 9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序； 10）第二隐层至第一隐层的权值调整、第二隐层阈值调整计算子
BP-neural-network_c
- 基于C开发的三个隐层神经网络，输出权值、阈值文件，训练样本文件，提供如下函数： 1）初始化权、阈值子程序； 2）第m个学习样本输入子程序； 3）第m个样本教师信号子程序； 4）隐层各单元输入、输出值子程序； 5）输出层各单元输入、输出值子程序； 6）输出层至隐层的一般化误差子程序； 7）隐层至输入层的一般化误差子程序； 8）输出层至第三隐层的权值调整、输出层阈值调整计算子程序； 9）第三隐层至第二隐层的权值调整、第三隐层阈值调整计算子程序； 10）第二隐层
zy1
- 多个神经元分类，又称模式联想。对如下输入、输出样本进行分类，要求画出最后的线形图。P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3] 对应的10组二元目标矢量为：T=[1 1 1 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1 1]。-Use the neural network system will be a set of data for perce
Neural-network-qiduanma
- 设用7个短线段构成1,2,3,4,5,6,7,8,9,10共10个数码图形，令这7个线段分别用一个矢量 来代表，又设对数码图形中用到的线段，相应分量取值为1，未用到的线段相应的分量取值为0，因此每个数码图形分别可由一个矢量表示，其顺序编号为： ，试设计一神经网络，能够区分奇数码和偶数码。-Set with seven short line segments 1, 2, 3, 4, 5, 10 digital graphics, 7 segment represented by a vector,
PSO
- 各种粒子群或改进型粒子群算法 1）粒子群优化算法(求解无约束优化问题) 1>PSO(基本粒子群算法) 2>YSPSO(待压缩因子的粒子群算法) 3>LinWPSO(线性递减权重粒子群优化算法) 4>SAPSO(自适应权重粒子群优化算法) 5>RandWSPO(随机权重粒子群优化算法) 6>LnCPSO(同步变化的学习因子) 7>AsyLnCPSO(异步变化的学习因子)(算法还有bug) 8>SecPSO(用二阶粒
Ant-colony-algorithm
- 利用蚁群算法寻找以下10个城市的TSP最短路径。 10个城市的X、Y坐标分别为：（0.1,0.6）、（0.2,0.3）、（0.4,0.1）、（0.5,0.5）、（0.7,0.2）、（0.8,0.4）、（0.2,0.8）、（0.5,0.9）、（0.7,0.6）、（0.9,0.8）。 要求输出最短路径顺序及其长度，以及蚁群算法迭代过程中的最短路径长度进化曲线。 -Ant colony algorithm to find the following 10 cities TSP sho
cover
- 给定 n 个整数 a1,a2,…,an 组成的序列，如果对于 i< k< j,有 ak< |aj|，则称 aj 覆盖序列区间 ai,ai+1,…,aj，相应的覆盖区间长度为 j-i+1。 最大覆盖问题要求给定序列的最大覆盖区间长度 L。 例如，当 n 10，相应序列为：1,6,2,1,-2,3,5,2,-4,3 时，L 5。 ★数据输入 输入数据第一行是一个整数 n，第二行是整数序列 a1,a2,…,an。 ★数据输出 输出给定序列的最大覆盖区间长度
Genetic_Algotithm
- 用遗传算法求y=x*sin(10*pi*x)+2的最大值 -1=<x<=2 精确到6位小数 pow(2,21)<3*1000000<pow(2,22) 编码的二进制长度为22 (Using genetic algorithms seek y = x* sin (10* pi* x)+2 maximum-1 = <x<=2)
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰