搜索资源列表
wave
- Harr小波具有紧支撑、零调和性和优良的正交性等优点，因此选择它作为小波变换的基函数。对采样数据进行4层小波包变换得到16维的特征样本。-Harr wavelet has compact support, zero reconcile and excellent orthogonality, etc., so choose it as the base function of wavelet transform. 4 layers of sampled data wavelet packet t
BGA1031003
- // Simple Genetic Algorithm // binary coded // roulette wheel method // function f(x) = 21.5+x*sin(4*pi*x)-// Simple Genetic Algorithm // binary coded // roulette wheel method // function f(x) = 21.5+x*sin(4*pi*x)
Strategy
- 人工智能导论课程大作业，四子棋策略dll文件源码。使用并实现了MCTS算法。每一步计算时间为4秒。-Assignmeng of Introduction to Artificial Intelligence, Connect4 game strategy dll sources. Use and implement MCTS algorithm. Every step of the calculation time is 4 seconds.
InversNonLinearFOUR
- neural network nonlinear inverse control 4
matlab-neural-network
- 本代码通过matlab工具箱，对神经网络问题进行了研究，0-2代码对于神经网络进行训练，函数选择和误差调试，3代码对电路故障参数进行训练诊断，4代码对涡轮机故障参数进行故障诊断-The code through the matlab toolbox neural network conducted a study, 0-2 code for neural network training, function selection and error debugging, code 3 circui
ga
- 遗传算法实现计算f(x 1,x 2 )= 21.5 +x 1 ·sin(4πx 1 ) +x 2 ·sin(20πx 2 )的最大值-calculate the maximum value of f(x 1,x 2 )= 21.5+x 1 ·sin(4πx 1 )+x 2 ·sin(20πx 2 ) by Genetic Algorithm
New-Extreme-Learning-Machine
- 新神经网络 Extreme Learning Machine 比SVM快，附4个例子-a new neural networks algorithm faster than SVM, with 4 examples
ImageSOMQuantization
- This package implements vectoriel quantization according Self Organizing Map paradigm It allows to : 1. generate a codebook training images set 2. reconstruct a test image according to the generated codebook 3. ute the Peak Signal to Noise R
BP
- 现有一种合金由A,B,C三种元素及杂质组成 测试5次 A百分含量 [7.1 7.0 6.9 6.8 7.2] B百分含量 [3.2 3.4 3.6 3.8 4.0] C百分含量 [2.5 2.9 3.1 2.6 2.2] 硬度[78 65 78 69 72] 用BP神经网络进行拟合BP神经网络进行拟合-The BP neural network to carry on the fitting
bank-card-recognition-
- 功能介绍 • 通过拍照界面，指导用户拍出合格证件图像。 • 采用文字识别（OCR）技术，自动识别银行卡信息（如卡号,卡所属银行等）. • 通过调用 识别功能Activity，实现其他应用程序接口调用。 • 识别银行卡种类，主要是国内外20多家银行的印刷字体（平面黑色字体卡类）和凸面字体银行卡(包括字符间距类型为6-13、4-4-4-4-3、4-4-4-4等类型)。 系统功能 • 对原图像进行倾斜矫
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
GA
- 各种遗传算法程序 1>myGA(基本遗传算法解决一维约束规划问题) 2>SBOGA(顺序选择遗传算法求解一维无约束优化问题) 3>NormFitGA(动态线性标定适应值的遗传算法求解一维无约束优化问题) 4>GMGA(大变异遗传算法求解一维无约束优化问题) 5>AdapGA(自适应遗传算法求解一维无约束优化问题) 6>DblGEGA(双切点遗传算法求解一维无约束优化问题) 7>MMAdapGA(多变异位自适应遗传算法求解一维无
4
- 实现驾驶员模型的模块化，进行集成控制，减小侧偏角度-Realize the driver model of modularization, integration control, reduce the lateral deflection Angle
3_cubic_puzzle
- 立方数码问题（8数码问题的三维拓展） 使用C/C++实现4个算法，即，使用启发函数h1(n)的A*算法：Astar_h1.cpp，使用启发函数h2(n)的A*算法:Astar_h2.cpp，使用启发函数h1(n)的IDA*算法:IDAstar_h1.cpp，使用启发函数h2(n)的IDA*算法:IDAstar_h2.cpp。输出文件名与算法对应。以h1为启发函数的A*算法输出到output_Ah1.txt；以h2为启发函数的A*算法输出到output_Ah2.txt；以h1为启发函数的IDA
Shudu
- 自动计算数独结果的工具。VB6.0写的，从网上下载了200多个数独题目，经测试都能计算出来。一般计算时间在4秒左右。计算时间具有一定的偶然性。-Sudoku automatically calculate results tool. VB6.0 write, downloaded the Internet more than 200 sudoku puzzle, the tests can be calculated. General calculation time in about fou
Incomplete-chessboard
- 残缺棋盘(defective chessboard)是一个有2^k×2^k(k>=1)个方格的棋盘，其中恰有1个方格残缺, 其中残缺的方格用阴影(0)表示。 这样的棋盘称作“三格板”(triominoes)，残缺棋盘问题就是用这4种三格板覆盖更大的残缺棋盘。在覆盖中要求： 两个三格板不能重叠。 三格板不能覆盖残缺方格，但必须覆盖其他所有的方格。 在这种限制条件下，所需要的三格板总数为(2^k×2^k-1)/3-Incomplete chessboard (defect
BP
- 误差反传网络(BP)特点：1)对原始数据的分布型式无要求；2)已知模型的类型应比较全面；3)适用于多目标模式识别；4)外推能力有限；5)定性数据和定量数据混合处理；6)当加入新模型时需要重新训练网络；7)不能用于数据插值。 -1) the distribution pattern of the original data requirements 2) known model types should be more comprehensive 3) suitable for multi
RBF
- 径向基函数网络(RBF)特点：1)可用于任意维空间的插值；2)训练速度和插值速度较慢；3)一旦训练成功，只要存储权系数矩阵即可，适用于海量数据的插值；4)当数据不全时，可以用于数据补全。 -Radial basis function (RBF) network features: 1) can be used in any dimensional space interpolation 2) interpolation and the training speed slower 3) o
粒子群算法
- 用c++的方法编写单目标粒子群算法，包含4个测试函数，结果还不错
self-taught-learning
- 自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。-Independent Learning the encoder and the sparse classifiers achieve the combination. First through sparse coding since no label was ha