搜索资源列表
BP_Solve_XOR
- 用bp人工神经网络解决一个抑或非线性问题。-bp used artificial neural networks to solve a problem or nonlinear.
200205042034李波
- 非线性规划中求解无约束问题中的一个有效方法--模矢法(步长加速法),并用图表示出来步骤.-Nonlinear Programming Solution unconstrained problem of an effective method -- vector mode (step acceleration), and using map out steps.
7941925pos
- 粒子群的优化算法，不仅可以方便地解决无约束优化问题，也可以方便的解决有约束的非线性优化问题。-Particle Swarm Optimization algorithm, not only can easily solve the unconstrained optimization problem can also be convenient to solve constrained nonlinear optimization problem.
ex3
- 基于BP神经网络识别字符. BP神经网络算法是把一组样本输入输出问题转化为一个非线性优化问题，并通过梯度算法利用迭代运算求解权值的一种学习方法。采用BP网络进行分类，并附加线性感知器来实现单字符的有效识别，算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别。-BP neural network based character recognition. BP neural network algorithm is a set of sample input and output is
ElevatorSystem
- 随着城市化建设的快速发展，高层建筑不断增多。作为主要垂直运输工具的电梯得到了越来越广泛的应用，电梯群控技术也越来越受到重视。为了提高多台电梯行效率和服务质量，采用优质的电梯群控系统，统一管理多台电梯运行是一个值得研究的问题。电梯群控系统所要解决的是一个复杂的、具有非线性和不确定性的多目标随机决策问题。现代建筑多采用电梯群控技术来调度电梯群的运行，在提高系统服务质量和运营效率的同时降低能耗。-With the rapid development of urbanization, high-rise
usfs
- 非对称鞍点问题的修正非线性Uzawa算法.-Asymmetric saddle-point nonlinear Uzawa algorithm fix the problem.
Reactive-Power-Optimization-matlab
- 程序为改进的遗传算法对配电网无功优化补偿问题。电力系统配电网的无功优化规划是保证配电网安全、经济运行的一项有效手段，是降低网损、提高电压质量的重要措施。-Reactive power optimization is one of the most important control methods to ensure power system operation securely and economically,and an effective measure to improve the v
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
UKF
- 基于非线性动力系统的无迹卡尔曼滤波matlab程序-onlinear state estimation is a challenge problem. The well-known Kalman Filter is only suitable for linear systems. The Extended Kalman Filter (EKF) has become a standarded formulation for nonlinear state estimation.
yichuansuanfa.tar
- 遗传算法计算非线性优化问题的matlab计算程序。-Matlab program for computing nonlinear optimization problem
Genetic-Algorithm
- 本例应用遗传算法实现了对于一些非线性、多模型、多目标的函数优化问题，用其它优化方法较难求解，而遗传算法可以方便的得到较好的结果。-In this case the genetic algorithm is applied to implement for some nonlinear, model, multi-objective function optimization problem, with other optimization methods are difficult to sol
rbf
- 利用径向基函数神经网络求解非线性函数逼近问题。-Using radial basis function (RBF) neural network to solve nonlinear function approximation problem.
B_spline
- 该代码是B样条神经网络算法，收敛快，可以很好地解决非线性逼近问题。-The code is B spline neural network algorithm, fast convergence, can be a good solution to the problem of nonlinear approximation.
Fish
- 模拟生物种群鱼群的觅食行为，让人工鱼直接移动到较优位置。解决多维非线性多目标优化问题-Simulate the foraging behavior of biological populations of fish, let the fish move directly to artificial optimum position. Solve multidimensional nonlinear multi-objective optimization problem
daolibai-Fozzy-logic
- 倒立摆控制系统是一个复杂的、不稳定的、非线性系统，是进行控制理论教学及开展各种控制实验的理想实验平台。对倒立摆系统的研究能有效的反映控制中的许多典型问题：如非线性问题、鲁棒性问题、镇定问题、随动问题以及跟踪问题等。通过对倒立摆的控制，用来检验新的控制方法是否有较强的处理非线性和不稳定性问题的能力。利用模糊控制对倒立摆进行控制-Inverted pendulum control system is a complex, unstable, nonlinear system, which is an
SVM-NonLinear-classification
- Two Dimension quadratic-SVM Problem, Two Class and Separable Situation-A Tutorial on Support Vector Machines for Pattern Recognition
neural-network-and-genetic-algorithm
- 对于未知的非线性函数，仅通过函数的输入输出数据难以准确寻找函数极值，这类问题可以通过神经网络结合遗传算法求解，利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力寻找函数极值。-For unknown nonlinear function, only through the function of input and output data is difficult to accurately find the function extreme value, this kind of prob
GA
- 遗传算法程序，可以求解非线性规划中函数最优值问题(Genetic algorithm program, can be solved in nonlinear programming function optimal value problem)
单层感知器
- 基于深度学习实现单层感知器的python代码，用单层感知器处理非线性分类问题,观察结果。(The Python code of single layer perceptron is realized based on depth learning, and the nonlinear classification problem is processed with a single layer perceptron, and the results are observed.)
Function optimization algorithm
- 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化， 而不针对参数本身， 从而不受函数约束条件的限制； 搜索过程从问题解的一个集合开始， 而不是单个个体， 具有隐含并行搜索特性， 可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。(Genetic algorithm provides a general framework f