-
Support vector machines (5) libsvm
支持向量机(5)libSVM-Support vector machines (5) libsvm
- 2022-03-12 08:31:34下载
- 积分：1
-
neural networks applications
neural networks applications
- 2023-01-14 13:55:04下载
- 积分：1
-
一个A*算法的的实现过程的演示，是个非常清晰的能理解到A是怎么实现的...
一个A*算法的的实现过程的演示，是个非常清晰的能理解到A是怎么实现的-A* algorithm is a realization of the demonstration process, it is a very clear to understand how the realization of A
- 2023-07-08 08:25:02下载
- 积分：1
-
genetic algorithm to achieve, c/vc/GA
遗传算法的实现,c++/vc++/遗传算法的学习安例!-genetic algorithm to achieve, c/vc/GA-cases of learning!
- 2022-04-21 10:03:54下载
- 积分：1
-
Genetic immunization is a method of procedure we will look at the genetic immune...
遗传免疫是算法的程序 大家可以看看 遗传免疫算法 我也是刚开始学 传上去大家共同学习-Genetic immunization is a method of procedure we will look at the genetic immune algorithm I am also just beginning to learn Chuan-up of common learning
- 2022-05-14 14:15:11下载
- 积分：1
-
这是一个简单的遗传算法代码，给新手用户提供一个参考
这是一个简单的GA代码，为新手用户提供参考
- 2022-03-15 09:34:09下载
- 积分：1
-
solution of TSP genetic algorithm C Programming Language
解TSP问题的遗传算法C语言程序-solution of TSP genetic algorithm C Programming Language
- 2022-09-20 01:00:03下载
- 积分：1
-
经典的数据关联挖掘算法prefixspan
经典的数据关联挖掘算法prefixspan-Classical data association mining algorithm PrefixSpan
- 2022-01-26 02:34:22下载
- 积分：1
-
Support Vector Machines realize procedure, using matlab realize, that to share w...
支持向量机实现程序，用matlab实现，那来和大家分享。-Support Vector Machines realize procedure, using matlab realize, that to share with you all.
- 2023-03-23 19:10:04下载
- 积分：1
-
Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经
Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor
- 2023-03-24 10:55:03下载
- 积分：1
