资源列表
Extreme-nonlinear-function
- 神经网络训练拟合根据寻优函数的特点构建合适的BP神经网络,用非线性函数的输入输出数据训练BP神经网络,训练后的BP神经网络就可以预测函数输出。遗传算法极值寻优 把训练后的BP神经网络预测结果作为个体适应度值,通过选择、交叉和变异操作寻找函数的 全局最优值及对应输入值。 -Neural network training function fitting based optimization features built right on BP neural network, using
floyd-bob
- floyd-bob随机算法 学习该算法的必经之路-floyd-bob stochastic algorithm to learn the only way the algorithm
abc-algorithm-
- 人工蜂群算法matlab代码，注释详尽，经运行测验，运行效果良好-Artificial bee colony algorithm matlab code, detailed notes, after running tests, running well
Kmedoid
- Kmedoid的聚类方法，有需要研究的可以下载-Kmedoid CLUSTER
CS_OPMP
- 比较有用的压缩感知重构算法，可以运行希望对大家有所帮助-more useful matlab compressed sensing reconstruction algorithm, we hope to help you
log_regression
- it is a very good log linear regression algorithm. it can be used in many background. it is a powerful tool to solve regression problems.
neural-network-example3.2
- 产生3000个训练数据，训练一个前向神经元网络对f（x）进行逼近。刘宝碇不确定规划及应用 神经元网络 例3.2-We generate 3000 training data for the function f(x). Then we train a feedforward NN to approximate the function。 neural networks example 3.2
Extreme-nonlinear-function
- 用函数输入输出数据训练BP神经网络,使训练后的网络能够拟合非线性函数输出,保存训 练好的网络用于计算个体适应度值。根据非线性函数方程随机得到该函数的4000组输入输出数据,存储于data中,其中input为函数输入数据,output为函数对应输出数据,从中随机抽取3900组训练数据训练网络,100组测试数据测试网络拟合性能。最后保存训练好的网络。-With the function input and output data to train BP neural network, so th
financial-early-warning-model
- 对于本项目来说,共有1350组公司财务状况数据,每组数据的输入为10维,代表上述的10个指标,输出为1维,代表公司财务状况,为1时表示财务状况良好,为-1时表示财务状况出现问题。从中随机选取1000组数据作为训练数据,350组数据作为测试数据。根据数据维 数,采用的BP神经网络结构为10—6—1,共训练生成10个BP神经网络弱分类器,最后用10 个弱分类器组成强分类器对公司财务状况进行分类。-For this project, a total of 1350 group company&
GEP
- 基因表达式编程算法实现函数挖掘功能，例子很完整。-Gene expression programming algorithm function mining functions, for example it is complete.
kdtree
- KD-Tree的c++实现，并有文档详细介绍了KD-Tree的实现算法。-KD-Tree of c++ implementation, detailing the implementation of the KD-Tree algorithm.
GMM
- GMM混合高斯模型的c++实现和文档介绍。-GMM Gaussian mixture model c++ implementation and documentation describes.