搜索资源列表
bpsuanfa
- 用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m；
导弹6DOF开环飞行特性仿真研究
- 不同质量特性（推重比）、气动特性（空空弹、巡航弹）、飞行环境（高度）对导弹的固有飞行特性的影响。在气动参数设计中，没有考虑舵面偏转对导弹质心平动的影响，同时忽略弱耦合特性、下洗、飞行速度对气动参数的影响。仿真使用的坐标系为美式坐标系。仿真时先运行init_data.m用来初始化参数，仿真所用的所有可变参数都在这修改和设置；再运行Tomahawk2.mdl；最后运行run_plot.m画图。当然也可以在simulink中的示波器中看波形。
BP_MATLAB
- 包括种群初始化、选择、交叉、变异各个子程序，每一部分都作为一个单独M文件。主程序是实现遗传算法网络的训练过程；测试程序可以对训练得到的网络进行结果测试-Including population initialization, selection, crossover and mutation all subroutines, each of which as a separate M-file. Main program is to achieve genetic algorithm netwo
flow_chart
- Matlab单队列多服务台仿真总流程图 本系统仿真程序采用事件步长法进行仿真，由以下功能模块组成： 1、仿真时钟； 2、事件表； 3、系统状态变量； 4、初始化子程序； 5、事件子程序； 6、调度子程序； 7、时钟推进子程序； 8、随机数产生子程序； 9、输出函数子程序； 10、统计计数器； 11、主程序。-Matlab simulation of the total single-queue multi-desk syst
2008101523144260
- 一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 二、用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 主程序：gabpfault.m 它包括以下子程序： 1. 网络初始化：nninit.m――给出P，T，
course_soft
- 施肥量与产量关系；动态规划模型求解程序示例； 模型求解的Matlab程序（穷举法） mcm 1997 B题 截断切割；1996B洗衣机节水模型，参数与数据初始化等-Relationship between fertilization rate and yield dynamic programming model program examples of the model solution Matlab program (exhaustive method) Mcm 199
tangyouhua_0738200224
- 仿真螺旋交织器系统。要求将得到的整数序列放置在三个工作空间中并输出值。观察交织后数值的可视化变化规律。螺旋交织器模块参数：螺旋排列列数3；组的大小2；螺旋排列的跳步1；初始条件0。螺旋解交织器参数设置同螺旋交织器。斜坡函数模块参数：斜率1；开始时间0；初始输出1；矢量参数一维。缓存器参数：输出缓存长度6；缓存交叠0；初始条件0。仿真系统中的时延参数为7。-Simulation of helical interleaver system. Requirements will be placed i
f_qujian
- simulink的仿真有两个阶段：一个为初始化，这个阶段主要是设置一些参数，像系统的输入输出个数、状态初值、采样时间等；第二个阶段就是运行阶段，这个 阶段里要进行计算输出、更新离散状态、计算连续状态等等，这个阶段需要反复运行，直至结束。-simulink simulation has two phases: one for initialization, this stage is mainly to set some parameters, such as the number of i
auto
- 通过自动阈值选择方法实现图像二值化。初始阈值T是图像均值；T把图像直方图分成R1和R2两个区域；计算R1和R2均值u1和u2，选择u1和u2均值作新的阈值；重复以上步骤直到T值基本不变。-Automatic Threshold Selection；
StockPrediction
- 遗传算法，很难学；有经典例子共享，变异和交叉以及选择，初始化种群-Genetic algorithm, it is difficult to learn a classic example of a shared mutation and crossover, as well as select, initialize the population
PSOBP502
- Parsopoulos等采用罚函数法，利用非固定多段映射函数对约束优化问题进行转化，再利用PSO算法求解转化后问题，仿真结果显示PSO算法相对遗传算法更具有优越性，但其罚函数的设计过于复杂，不利于求解；Hu等采用可行解保留政策处理约束，即一方面更新存储中所有粒子时仅保留可行解，另一方面在初始化阶段所有粒子均从可行解空间取值，然而初始可行解空间对于许多问题是很难确定的；Ray等提出了具有多层信息共享策略的粒子群原理来处理约束，根据约束矩阵采用多层Pareto排序机制来产生优良粒子，进而用一些优良的
20090322
- 一、算法伪码： 1、初始化： 1.1每一个空间的点映射到二维窗格，每个空间的点分配唯一的二维窗格坐标。一个窗格只能有一个点。 1.2为每一只蚂蚁在二维窗格分配唯一的地址 （第一步需要注意的是：空间上点的位置和平面窗格上点的位置完全是两回事，空间上两个点的位置来计算两点之间的距离；而平面上点的位置，主要是用来确定半径为S的区域内的点，计算两个点的空间距离，进而计算群体相似度，最后通过群体相似度来计算拾起或者放下的概率） 2、迭代tmax次 3、所有的蚂蚁运动一次
Deep Neural Network
- 深度神经网络训练过程中：首先是进行初始化，根据需求设置神经网络的基本结构；然后进行前向传递（feedforward），层与层之间进行传递，求得误差；然后进行反向传播（back propogation），根据误差最小化原则，使用随机梯度下降法，对各个参数进行求导，确定下降方向，对各个参数进行更新(In the training process of deep neural network, firstly, initialization is carried out, and the basic
遗传算法
- 遗传算法以一种群体中的所有个体为对象，并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中，选择、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。(Genetic algorithm takes all individuals in a group as objects, and uses randomized technology to guide efficient search of a c
L2_1
- 编写一个名为Perce的函数，用它来实现感知器算法。 函数的输入/输出有： （a）一个N*d维的矩阵X，它的第i行是第i个数据向量； （b）一个N维列向量y，y的第i个元素包含了类（-1，1），并且该类与相应的向量相互对应； （c）用向量w_ini初始化参数向量；并且返回估计参数向量； 假设函数最大迭代次数为10000。(Write a function called Perce to implement perceptron algorithm. The input / out