资源列表
AI-Resource
- 人工智能技术导论的学习资料与考试复习重点总结-Artificial intelligence learning materials
9-10
- 不同方法估计协方差矩阵的Capon波束形成,以及多点约束的Capon波束形成和方向图，自己运行效果很好。-Different methods of estimation covariance matrix Capon beamforming, and multi-point constraints Capon beamforming and direction maps, run their own good results.
Nutral-BP-CPP
- 用c++实现的神经网络程序，可以应用于测试和实现。-I don t know how to translate it correctly!!
TextExtract
- * 在线性时间内抽取主题类（新闻、博客等）网页的正文。 * 采用了<b>基于行块分布函数</b>的方法，为保持通用性没有针对特定网站编写规则。-Web text extraction code,* in linear time extract topic class (news, blogs, etc.) the body of the page. * using the < b > </b > line based on block
MPPT
- 局部阴影条件下光伏阵列的优化设计。 随着光伏发电系统的结构及所处环境的复杂化(如光伏屋顶系统、光伏幕墙系统等)，尤其是局部阴影问题的出现，光伏阵列的输出特性受到很大影响。通过理论分析、计算机仿真及系统实验等方法，研究阴影分布的影响，提出在局部阴影条件下光伏阵列最大功率点的简化算法，总结阵列结构优化的原则，并在此基础上进一步考虑局部峰值及工作电压范围等因素的影响。提出适用性较广的光伏阵列优化设计方法，为光伏发电系统的工程设计提供有力的支持。 -Under optimized conditi
MPPT
- 光伏阵列受到局部阴影遮蔽时其}-v特性会呈现多峰特性，出现多个局部峰值。为了避免传统最大功率点跟踪算法在此情况卜难以找到全局的最大功率点，文章提出了一种优化最大功率点跟踪算法，该算法适用于局部和全局阴影发生的情况、在局部阴影情况卜，通过MATLAB仿真和样机试验与传统最大功率点跟踪算法相比，该优化算法能够判断阴影遮蔽情况是否发生，在局部和全局均一阴影的情况卜都能够跟踪到全局最大功率点避兔光伏阵列的功率损失提高光伏系统效率 -PV array by the partial shadowing
njust
- 遗传算法程序，用于解决旅行商问题，有效可行。-Genetic algorithm for solving the traveling salesman problem, effective and feasible.
a
- 解决如何进行函数优化的问题，有效简单。-How to solve the problem of function optimization, simple and effective.
h
- 模拟退火算法，程序简单，正确可操作。解决实际问题。-Simulated annealing algorithm, the procedure is simple, correct operational. Solve practical problems.
z
- 函数最值问题的程序，可用来解决函数最大最小值问题-Most value problem function procedures, functions can be used to solve the problem of the maximum and minimum
Wavelet-neural-network-program
- 一种小波分析和神经网络相结合的算法，初步性探讨，供参考-A combination of wavelet analysis and neural network algorithm, the preliminary discussion, for reference
particle-filtering-tracking-
- 粒子滤波方法用于跟踪，很易看懂的程序，建议初学者下载学习-Particle filter for tracking, it is easy to understand the procedures recommended for beginners to learn to download