搜索资源列表
GeneticAlgorithms_matlab
- X(t)=Asin(2*pi *f *t+ q)+n(t) 估计其中的参数为A，f， q。n(t)为随机噪声，服从正态分布。 其他的具体见附件中的程序 -X (t) = 4sin (2 * pi * f * t q) n (t) is estimated parameters A, f, q. N (t) of random noise, subject to normal. Other specific see annex to the proceedings
bipso
- 围绕粒子群的当前质心对粒子群重新初始化.这样，每个粒子在随后的迭代中将在新的位置带着粒子在上次搜索中获得的“运动惯性”（wvi）向Pi，Pg的方向前进，从而可以在粒子群的运动过程中获得新的位置，增加求得更优解的机会.随着迭代的继续，经过变异的粒子群又将趋向于同一点，当粒子群收敛到一定程度时又进行下一次变异，如此反复，直到迭代结束.-particle swarm around the center of mass of the current PSO reinitialization. Thus,
MYGA0
- 本程序是一个基本的简单遗传算法示范程序，其优化目标是在〔0，2*pi〕上搜索函数sin(x)*sin(x)的最大值-this procedure is a basic and simple genetic algorithm model procedures, optimizing their goal is [0, 2 * pi] search function sin (x) * sin (x) maximum
Boltzmann Machin
- 仿真1：首先把网络温度参数T固定在100，按工作规则共进行1000次状态更新,把这1000次状态转移中网络中的各个状态出现的次数Si（i＝1，2，…，16）记录下来 按下式计算各个状态出现的实际频率： Pi=Si/∑i=1,NSi=Si/M 同时按照Bo1tzmann分布计算网络各个状态出现概率的理论值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：实施降温方案，重新计算 采用快速降温方案：T（t）= T0/（1+t） T从1000降到0.01，按工作规则更新网络状态 当T=0.01时结
fuzz19withGA
- optimizing a fuzzy rule based PI controller with Genetic Algorithm
GA
- 已知函数y=x*sin(10*Pi*x)+2.0。利用人工智能中的遗传算法（GA），计算y在区间（0，2）上的极大值。对于想学习GA的网友们来说，是个很好的Demo。而且对于基因类，已经按照面向对象的思想进行了封装，稍微修改参数就可以用在实际项目中。-Known function y = x* sin (10* Pi* x)+2.0. The use of artificial intelligence in the genetic algorithm (GA), calculating y i
vcDEMO
- 已知函数y=x*sin(10*Pi*x)+2.0。利用人工智能中的遗传算法（GA），计算y在区间（0，2）上的极大值。对于想学习GA的网友们来说，是个很好的Demo。而且对于基因类，已经按照面向对象的思想进行了封装，稍微修改参数就可以用在实际项目中。 实现环境：Visual C++ 6.0. -Known function y = x* sin (10* Pi* x)+2.0. The use of artificial intelligence in the genetic algorit
dtcit_win32
- 对大滞后系统，本交互式软件提供了PI调节和史密斯预估器调节的比较，对了解大滞后系统的控制很有帮助。-Large delay system, the interactive software provides a PI regulator and the Smith predictor regulation comparison, to understand the lag system helpful.
GeneticWavelet
- 提出了一种基于遗传算法和小波神经网络的 PI 参数整定方法。首先 ,利用具有自然进化的遗传算法对小波神经网络的初始权值进行优化训练 ,解决了控制器网络初始权系数对控制效果产生的影响 其次 ,利用小波神经网络对PID参数进行在线调节 最后将此算法运用到电机控制系统的 P I D参数寻优中。-A new-type controller based on genetic algorithm andwavelet neural net work was presented.The genetic alg
AF_Control
- 针对LPG电喷发动机过渡工况空燃比难于精确控制的特点，提出了一种将改进Elman神经网络和常规 PI控制算法相结合的空燃比控制方法.其中Elman神经网络用于实现无传输延迟空然比信号的预测，常规PI控制器利用预测信号实现过渡工况下空然比的实时反馈控制.-LPG EFI engine for transient air fuel ratio is difficult to precisely control the characteristics of the improved Elman p
A-Gain-adjusted-Fuzzy-PI-PD-Adaptive-Controller-b
- a gain-adjusted fuzzy PI/PD (GFPIPD) adaptive controller is proposed. The proposed controller first constructs fuzzy rules for fuzzy PD/PI controller with the fixed weighting. Then the fuzzy rules, which self-learning their parameters for a desired
GA
- 用遗传算法优化PI控制器参数，其中控制对象是一个二阶系统。-With genetic algorithm to optimize the PI controller parameters which control object is a second order systems.
1
- 这是一个简单的pso用于盲源分离的程序，分离的pi指数达到0.01-This is a simple pso used to blind source separation process, the separation of PI index to 0.01
2
- 这是一个简单的pso用于盲源分离的程序，分离的pi指数达到0.02-This is a simple pso used to blind source separation process, the separation of PI index to 0.02
3
- 这是一个简单的pso用于盲源分离的程序，分离的pi指数达到0.03-This is a simple pso used to blind source separation process, the separation of PI index to 0.03
4
- 这是一个简单的pso用于盲源分离的程序，分离的pi指数达到0.04-This is a simple pso used to blind source separation process, the separation of PI index to 0.04
neural-network-example
- 用前向神经元网络逼近连续函数，f（x1，x2，x3，x4）=sinx1+sinx2+sinx3+sinx4 定义域为[0,2*pi].刘宝碇老师例子仅供参考-Let us design a feedforward NN to approximate the continuous function, f(x1, x2, x3, x4) = sin x1+ sin x2+ sin x3+ sin x4 defined on [0, 2*pi]4.
Python神经网络编程.pdf+代码
- 本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。(This book begins with a brief introduction to the basi