资源列表
[人工智能/神经网络/遗传算法] PSOExample
说明：利用粒子群算法进行反演，很好的例子，运行结果很不错。适合初学者。(Use the Particle Swarm algorithm to inverse equation.Simulation show the feasibility)<栀子花开ct> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] 求函数最优值
说明：量子遗传算法求解函数最佳值问题，里面富有matlab程序代码(Quantum Genetic Algorithm Solves Function Optimal Value Problem with Matlab Program Code)<多尔衮> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] LSTMshili
说明：做预测,预测股票趋势的一个小例子，可运行，比较简单明了，容易理解，适合初学者(A small example of forecasting, predicting stock trends, running, easy to understand, easy to understand, suitable for beginners)<滋兰九畹> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] KSW算法
说明：改进遗传算法，已在相关论文中使用很多，改进参数(The improved genetic algorithm has been used)<乾坤冰冷> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] 584301
说明：天然气管道连接问题原程序,一百个用户,其中有四个无效用户,将其它96个有效用户连接成一个树形网络,用kruskal算法实现()<GD+527889> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] 1
说明：人工势场法，实现智能避障，解决局部极小问题和目标不可达问题(Artificial potential field method, realizing intelligent obstacle avoidance, solving local minimum problem and target inaccessibility problem)<hchen1989> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] 97132955
说明：这是一个用MATLAB写的免疫算法程序,()<AGMZxxyi%252D92465> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] BP
说明：BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。(BP nntool is a multilayer feedforward network trained by error inverse pro<白色*风车> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] tfwork
说明：tensorflow的使用练习，用python实现(Practice of using tensorflow)<qian601> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] GABP
说明：神经网络预测数据,遗传算法优化权值和阈值，调用子函数包含在压缩包中(Neural network predicts data, genetic algorithm optimizes weights and thresholds, and calls the sub functions contained in the compression package.)<糖糖吖> 在 2024-10-08 上传 | 大小：3072 | 下载：0
[人工智能/神经网络/遗传算法] 万门大学强化学习GridEvalu模型GridPolicy模型
说明：万门大学，强化学习，Grid_world_evaluation模型算法代码实现， V(S) = V(S) + A * ( R(S) + r*V(new_S) - V(S) ) Grid_world_Policy模型， P(S) = P(S) + A * ( R(S) + r*P(new_S) - P(S) )(In the intensive learning of the University of Wan men,<lilin123> 在 2024-10-08 上传 | 大小：3072 | 下载：0