数值计算方法 列主元素法

资源描述该粒子滤波算法程序  应用在动态环境下目标跟踪的效果很好

分析了遗传算法的初始化，交叉变异等过程；通过实际例子，对遗传算法在计算目标函数值，将二进制编码转化为十进制数，计算个体的适应值几个方面的应用进行了详细分析。对初学者了解遗传算法具有很好的帮助。

A simple and fast implementation of a Kalman Filter.

随机数据的生产 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 -randome data 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

数独求解 每行和每列和每小格为1到9的数字,用程序求解的算发.-several independent firms for each and every line and every small units of one to nine the number of procedures for the count fat.

反向传播的原则是其实很容易理解，即使它背后的数学可以看起来相当令人望而却步。基本步骤如下： 初始化与小随机加权网络。 目前对网络的输入层的输入的模式。 饲料通过网络来计算其激活值的输入的模式。 采取所需的输出和激活值来计算的网络激活错误之间的区别。 饲喂以减少其激活错误对此输入模式的输出神经元的权重进行调整。 传播错误值返回到每个隐藏的神经元，是其在网络激活错误的贡献成正比。 喂养每个隐藏的神经元，以减少它们的贡献对此输入模式错误的权重进行调整。 对每个输入模式输入集合中重复步骤 2 到步骤 7。 重复步骤 8，直到网络接受过适当培训。 为了使这个新的网络通过它的步伐，我下载了经典的虹膜植物数据库从UCI 机器学习资料库。数据集包含三个类的五十实例，每个，其中每个类是指一种类型的鸢尾属植物。一类是线性可分从其他两个 ；后者不是从彼此线性可分的。若要使用此数据，为 csv 文件扩展名的文本文件保存该 web 页。用 Excel 打开并添加三个新列在右边，与0,0,1或0,1,0或1,0,0根据植物品种填补。删除物种名称列，并且您现在有一个文件，它可以喂进入您的网络。

很完美的mapreduce程序开发框架，非常实用！ 让你快速学会编写自己的mapreduce，快速上手！

(n,k,N)卷积码的维特比译码算法实现,可实现1/2、1/3速率下卷积码为2、3、4、5、6、7、8、9的viterbi译码

资源描述基于人工神经网络方法建立了ＲFID 反射信号强度分布模型． 该方法仅依赖数据，实施简 单． 为克服传统BP 算法对初值敏感、易陷入局部极值的缺陷，引入一种连续的蚁群优化算法来 确定多层神经网络的权值，该算法具有更强的全局搜索能力和效率． 讨论了算法的基本理论和具 体步骤，最后利用实际ＲFID 设备采集的反射信号强度数据对算法进行测试，对理论信号模型和 实际的建模结果进行了比较，并分析了算法的逼近能力和泛化能力． 结果表明在考虑到不可避免 的误差和扰动下，所提出的方法可以更好地建模ＲFID 信号强度的实际分布，具有良好的性能．