搜索资源列表
TIERRA
- 地球模拟器，最经典的人工生命模型,研究人工智能的必看。一般地说，生命都具有新陈代谢、复制和进化的能力。在自然界中，生物是由有限的食物供给和有限的生存空间约束的。在Tierra中，“生物”由一系列能够自我复制的机器代码或程序组成，它在计算机中的复制分别受到计算机的存储空间和CPU时间约束。能有效地占有内存空间和利用CPU时间的生物体，将具有更高的适应度，传递到下一代的机会就越大。 在Tierra中，计算机的RAM（随机访问存储器）中有
arrow-debreu
- 市场竞争模型：arrow-debreu的算法 （英文版）-market competition model : arrow-debreu algorithm (English version)
clientsystem
- 优秀的客户关系管理系统，把客户数据库看作是一个数据中心，利用它，企业可以记录在整个市场与销售的过程中和客户发生的各种活动，跟踪各类活动的状态，建立各类数据的统计模型用于后期的分析和决策支持。为达到上述目的，一套CRM系统大都具备市场管理、销售管理、销售支持与服务和竞争对象记录与分析的功能。-outstanding customer relationship management system, customer database as
Face_Recognition_Based_on_BP_Neural_Network
- 将BP 神经网络用于人脸识别,建立了人脸识别模型,研究了样本采样训练、样本批量训练和样本完整 训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP 神经网络与 竞争选择处理过程。利
somnet
- 一种通过自组织竞争学习网络实现数据降维和可视化的单层神经网络模型。用此算法可以把输入空间的多维映射到低维的（一维或者二维）的离散网络上，并将保持相同性质的输入数据在映射到低维空间时的拓扑一致性。iris以及letter两个数据集进行分类
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Koho
Verilog教程
- 目 录 译者序 前言 第1章 简介 1 1.1 什么是Verilog HDL？ 1 1.2 历史 1 1.3 主要能力 1 第2章 HDL指南 4 2.1 模块 4 2.2 时延 5 2.3 数据流描述方式 5 2.4 行为描述方式 6 2.5 结构化描述形式 8 2.6 混合设计描述方式 9 2.7 设计模拟 10 第3章 Verilog语言要
自组织系统Kohonen网络模型源程序
- 自组织系统Kohonen网络模型。对于Kohonen神经网络，竞争是这样进行的：对于“赢”的那个神经元c，在其周围Nc的区域内神经元在不同程度上得到兴奋，而在Nc以外的神经元都被抑制。网络的学习过程就是网络的连接权根据训练样本进行自适应、自组织的过程，经过一定次数的训练以后，网络能够把拓扑意义下相似的输入样本映射到相近的输出节点上。网络能够实现从输入到输出的非线性降维映射结构：它是受视网膜皮层的生物功能的启发而提出的。~..~-Koho
TIERRA
- 地球模拟器，最经典的人工生命模型,研究人工智能的必看。一般地说，生命都具有新陈代谢、复制和进化的能力。在自然界中，生物是由有限的食物供给和有限的生存空间约束的。在Tierra中，“生物”由一系列能够自我复制的机器代码或程序组成，它在计算机中的复制分别受到计算机的存储空间和CPU时间约束。能有效地占有内存空间和利用CPU时间的生物体，将具有更高的适应度，传递到下一代的机会就越大。 在Tierra中，计算机的RAM（随机访问存储器）中有
arrow-debreu
- 市场竞争模型：arrow-debreu的算法 （英文版）-market competition model : arrow-debreu algorithm (English version)
clientsystem
- 优秀的客户关系管理系统，把客户数据库看作是一个数据中心，利用它，企业可以记录在整个市场与销售的过程中和客户发生的各种活动，跟踪各类活动的状态，建立各类数据的统计模型用于后期的分析和决策支持。为达到上述目的，一套CRM系统大都具备市场管理、销售管理、销售支持与服务和竞争对象记录与分析的功能。-outstanding customer relationship management system, customer database as
Face_Recognition_Based_on_BP_Neural_Network
- 将BP 神经网络用于人脸识别,建立了人脸识别模型,研究了样本采样训练、样本批量训练和样本完整 训练三种训练策略对识别率的影响。所设计的识别模型包括图像压缩、图像抽样、输入矢量标准化、BP 神经网络与 竞争选择处理过程。利-BP neural network will be used for face recognition, face recognition model set up to study samples of th
somnet
- 一种通过自组织竞争学习网络实现数据降维和可视化的单层神经网络模型。用此算法可以把输入空间的多维映射到低维的（一维或者二维）的离散网络上，并将保持相同性质的输入数据在映射到低维空间时的拓扑一致性。iris以及letter两个数据集进行分类-A competitive learning through self-organizing network for data dimensionality reduction and visualiz
imgpolarcoord
- 图像笛卡尔坐标转极坐标，下视景像匹配制导中，实时图和基准图的拍摄高度、方位和图像比例尺不完全一致，两图的轮廓形状存在旋转和变形等差异，边缘特征提取方法受图像灰度分布影响存在变形和移位，易导致匹配错误。用侧抑制竞争方法，图像边缘特征提取快速准确，不发生移位，对灰度变化也不敏感，再用扩展边缘特征法，克服轮廓变形对边缘匹配的影响。在此基础上，引入对数极坐标变换，进一步提高图像的抗旋转和尺度收放的匹配精度。结果表明，此方法模型简单、抗几何变形能
ssss
- 随着我国经济的持续快速发展，企业信息化进程不断加快，信息技术、网络技 术已成为企业在激烈的市场竞争中取胜的关键因素。目前国内企业纷纷采用ERP、 SCM、CRM、HRM、OA等信息系统，逐步实现了全方位、多角度的信息化管理， 同时借助信息化的平台，不断提高工作效率，降低运营成本，增强了企业竞争力。 随着企业的发展，部署的信息系统越来越多，信息系统面对的用户数量越来越大， 地域分布越来越广，因此为各应用系统建立安全有效
java.util.concurrent
- java.util.concurrent包的并发处理 Sun大神终于为我们这些可怜的小程序员推出了 java.util.concurrent工具包以简化并发完成。开发者们借助于此，将有效的减少竞争条件(race conditions)和死锁线程。concurrent包很好的解决了这些问题，为我们提供了更实用的并发程序模型。 -java.util.concurrent concurrent processing package f
Som_clustering
- 基于VC++的Som聚类算法程序。SOM是一种通过自组织竞争学习网络实现数据的分类和降维可视化神经网络模型。内附算法的原理说明以及详细的程序调用说明及运算结果。是初学者的很好的入门材料-Based on VC++ program of Som clustering algorithm. SOM is a competitive learning through self-organizing network for data class
readwrite
- 读者－写者问题(Courtois et al., 1971) 读者－写者问题为数据库访问建立了一个模型。例如，一个系统，其中有许多竞争的进程试图读写其中的数据，多个进程同时读是可以接受的，但如果一个进程正在更新数据库，则所有的其他进程都不能访问数据库，即使读操作也不行。问题是：如何对读者和写者进行编程。 -ipc computer system reader-writer problem
05 竞争神经网络与SOM神经网络
- 自组织神经网络概念和原理，并重点介绍一下自组织特征映射SOM网络。SOM和现在流行的ANN（MLP）模型在结构上类似，都由非常简单的神经元结构组成，但是SOM是一类“无监督学习”模型，一般的用法是将高维的input数据在低维的空间表示[1]，因此SOM天然是一种降维方法。除了降维，SOM还可以用于数据可视化，以及聚类等应用中。(The concept and principle of self-organizing neural net
07 种群竞争模型
- 这个是种群竞争模型的代码，直接可以运行。没问题的哦(This is the code for the population competition model and can be run directly. No problem.)