下载频道  >  weixin_42076956的资源
  • 人工神经网络PPT(资料全面).rar

    人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

    2020-06-30
    10
  • 神经网络介绍PDF.rar

    人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

    2020-06-30
    5
  • 神经网络Artificial Neural Networks(资料完整).rar

    人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。

    2020-06-30
    5
  • 模拟退火算法.rar

    模拟退火算法来源于固体退火原理,是一种基于概率的算法,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。

    2020-06-18
    5
  • 经典算法之遗传算法.rar

    遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。

    2020-06-18
    5
  • 蚁群算法-Ant System.rar

    蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中,发现单个蚂蚁的行为比较简单,但是蚁群整体却可以体现一些智能的行为。例如蚁群可以在不同的环境下,寻找最短到达食物源的路径。这是因为蚁群内的蚂蚁可以通过某种信息机制实现信息的传递。后又经进一步研究发现,蚂蚁会在其经过的路径上释放一种可以称之为“信息素”的物质,蚁群内的蚂蚁对“信息素”具有感知能力,它们会沿着“信息素”浓度较高路径行走,而每只路过的蚂蚁都会在路上留下“信息素”,这就形成一种类似正反馈的机制,这样经过一段时间后,整个蚁群就会沿着最短路径到达食物源了。

    2020-06-18
    5
  • 多目标优化问题的蚁群算法研究.rar

    将离散空间问题求解的蚁群算法引入连续空间,针对多目标优化问题的特点,提出一种用于求解带有约束条件的多目标函数优化问题的蚁群算法.该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略,并将信息素交流和基于全局最优经验指导两种寻优方式相结合,用以加速算法收敛和维持群体的多样性.通过3组基准函数来测试算法性能,并与NSGAII算法进行了仿真比较.实验表明该方法搜索效率高,向真实Pareto前沿逼近的效果好,获得的解的散布范围广,是一种求解多目标优化问题的有效方法.

    2020-06-18
    5
  • 禁忌搜索Tabu Search.rar

    禁忌搜索(Tabu Search,TS,又称禁忌搜寻法)是一种现代启发式算法,由美国科罗拉多大学教授Fred Glover在1986年左右提出的,是一个用来跳脱局部最优解的搜索方法。其先创立一个初始化的方案;基于此,算法“移动”到一相邻的方案。经过许多连续的移动过程,提高解的质量。

    2020-06-18
    5
  • 智能优化计算-基本优化问题及方法.rar

    智能优化方法是一个近年来发展起来的非常活跃的研究领域。系统工程、自动化、计算机、管理工程、采矿、机械等许多专业的学者和学生都在广泛地采用智能优化方法。比如,遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法和粒子群优化算法等在国民经济的各个行业中都获得了广泛的应用

    2020-06-18
    5
  • 分类器的logistic回归分析.pdf

    分类器的logistic回归分析,机器学习解决的问题大体上就是两种:数值预测和分类两种问题。从本质上 讲是一样的:都是通过对已有数据的学习,构建模型,然后对未知的数据进行预 测,若是连续的数值预测就是回归问题,若是离散的类标号预测,就是分类问题。

    2020-06-12
    9
img
  • 签到新秀

    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 分享宗师

    成功上传21个资源即可获取

关注 私信