python实现BP神经网络

遗传算法分析代码，可以进行回归分析

决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，既适合于分类问题，又适合于回归问题。 决策树算法构造决策树来发现数据中蕴涵的分类规则．如何构造精度高、规模小的决策树是决策树算法的核心内容。决策树构造可以分两步进行。第一步，决策树的生成：由训练样本集生成决策树的过程。一般情况下，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二步，决策树的剪枝：决策树的剪枝是对上一阶段生成的决策树进行检验、校正和修下的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。

机器学习-分类器-垃圾邮件系统。数据集来自UCI-spambase.data.(Machine Learning- spam classifier.)

用 Python 机器学习，时间序列模型预测， 循环神经网络(Python Machine Learning, Time Series Model Prediction, recurrent Neural Network)

说明：  读取rinex n文件，并计算各时间卫星坐标位置(Read the RINEX n file and calculate the coordinates of each time satellite)

BiLSTM+CNN结构实现中文命名实体识别(implement Chinese NER with BiLSTM+CNN architecture)

说明：  实现了图像与视频的信息隐藏，输入图片和视频可进行效果演示(The information hiding of image and video is realized)

说明：  完成一个基于q-learning算法的简单寻径实例(A simple path finding example based on Q-learning algorithm is completed)

说明：  采用改进的遗传算法，对柔性车间调度问题进行求解(Solving flexible shop scheduling problem with improved genetic algorithm)

这个压缩包中的代码实现了机器人使用的一些常见的路径规划算法，包括基于搜索的算法和基于采样的算法。