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