改进的识别MBP神经网络算法，随机噪声的无线…

完全图哈密尔顿圈的遗传模拟退火算法matlab通用源程序-Complete graph of the Hamilton Circle genetic simulated annealing algorithm matlab source generic

著名的神经网络工具箱，功能十分强大，里面包含了数十种神经网络算法的实例。-Well-known neural network toolbox, function very strong, which contains dozens of examples of neural network algorithm.

我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个结点进行扩展, 引入了一个"扩展数组[4]"(因为扩展的结点最多只有4个),该数组保存着某个结点的0点向各个方向的扩展的结点对象,然后对该扩展数组进行分析,利用启发函数在进行递归扩展... -us solve eight digital, BFS may lead to insufficient memory, using heuristic search, heuristic function f (x) = g (x) h (x) g (x) for the target node is different from the number of nodes, h (x) for the nodes of depth, the choice between f (x) nodes that the smallest node expansion. the introduction of an "expanded array [4]" (because the expansion of the nodes at most four), The array maintains a node of 0:00 a.m. to expand in all directions in the target node, and then expanded array analysis, use heuristic function during recursive expansion ...

lvq神经网络 的编程 希望大家能用的上-lvq neural network programming hope everyone can be on the

本人的模式识别课程VC源程序-my pattern recognition programs VC source

该算法为模糊自适应整定的PID控制算法，该算法在matlab环境下开发，可以直接运行 -The algorithm for fuzzy adaptive tuning of the PID control algorithm in the matlab environment development, can be directly run

计算机网络经典算法：生产者与消费者问题的源代码-classic algorithm of computer network:producer and consumer

线性神经网络应用实例-linear neural network application

C++神经网络开发包ANNIE，可以用C++语言开发各种神经网络：如BP，RBF，HOPFIELD等，同时随附件带有基于VC和.NET环境的示例源程序 -C neural network development kits 8am, the C language can be used to develop a variety of neural networks : as BP, RBF, Hopfield, along with the annex and with VC.NET environment example source

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor