搜索资源列表
JadeLeapMidp-3[1].4.1
- multiagent开发软件，jade用于手机平台开发的java包-multiagent software development, jade platform for the development of mobile java Packet
ANewC4.5alg
- 经典的数据挖掘分类算法，由ID3算法演变而来。本算法主要用于处理连续属性值，基本过程如下： 1.根据属性的值对数据集排序 2.用不同的阈值将数据集动态的分类 3.迭代根据阈值进行划分 4.得到所有可能的阈值、增益以及增益比-classical classification of data mining algorithms, evolved from the ID3 algorithm. This is mainly used to deal with continuous at
zudlu
- 人工智能最大流算法 源码及设计文档，内含4个源代码-artificial intelligence maximum flow algorithm source code and design documents, containing four source code
4x4key
- 4×4矩阵式键盘识别技术 * 注：为了有更多实用的实验程序供大家学习，部分程序参考网上的资源， * 在此谢谢这些无私奉献的朋友
PS2Key
- SMC1602A(16*2)模拟口线接线方式 连接线图: --------------------------------------------------- |LCM-----51 | LCM-----51 | LCM------51 | --------------------------------------------------| |DB0-----P0.0 | DB4-----P0.4 | RW-------P2.5 | |DB1-----P0
carmen.0.4.6.ii.tar
- CMU的自主机器人的软件开发平台, 应用十分广泛, 基本上已经成为一种近似标准, 比较好用, 希望对开发机器人导航算法方面的人有用
BPNet
- 人工神经网络BP算法 1、动态改变学习速率 2、加入动量项 3、运用了Matcom4.5的矩阵运算库（可免费下载,头文件matlib.h)， 方便矩阵运算,当然，也可自己写矩阵类 4、可暂停运算 5、可将网络以文件的形式保存、恢复
sp-1.4
- 人工智能的一个重要方法，随机SAT问题，即一种复杂的组合优化方法，算法清晰，简单，易懂，但涉及较深的数学知识，（该源码基于linux平台的C程序）
4
- 这是关于模拟退火算法的资料，对于研究优化算法的同志有一定的参考价值。
shogun-0[1].4.3
- 将军——一种新的求解大规模问题的支持向量机程序（软件）。A Large Scale Machine Learning Toolbox
ELM
- 新神经网络 Extreme Learning Machine 比SVM快，附4个例子
solver.1-4
- 黑白棋终局解算程序，深度很深，内有详细的文档。
four Toolbox for SVM
- 这里实现了基于四种SVM工具箱的分类与回归算法: 1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多类分类 Regression_LS_SVMlab.m - 函数拟合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多类分类 3、工具箱：stprtool\\svm Classification_stprtool.m - 多类分类 4、工具箱：SVM_Stev
ai4
- 人工智能的应用4
B4-4
- 機率神經網路分類器之高階合成。对研究概率神经网络很有帮助的。质量很高的论文
som_
- som 神经网络 分类小例 （将八组4维数据聚类）
code
- 遗传算法，里面分为4个部分，第一，二部分主要是看sexual reproduction 和asxuel reproduction的区别。第三部分里面有spatial 和 non-spatial的比较。第4部分是遗传算法中有关modularity 的相关代码。
Expertensystem-4
- 本套书是专家系统的一系列相关书籍，一共11本，我会陆续上传，本书是：人工智能与专家系统
BP
- 基于BP神经网络的 参数自学习控制 （1）确定BP网络的结构，即确定输入层节点数M和隐含层节点数Q，并给出各层加权系数的初值 和 ，选定学习速率 和惯性系数 ，此时k=1； （2）采样得到rin(k)和yout(k)，计算该时刻误差error(k)=rin(k)-yout(k)； （3）计算神经网络NN各层神经元的输入、输出，NN输出层的输出即为PID控制器的三个可调参数 ， ， ； （4）根据(3.34)计算PID控制器的输出u(k)； （5）进行神经网络学习，在线调整加权
4
- 这是一款非常好的基于动态轮廓模型的虹膜定位