C++基于神经网络的数字识别代码

人脸检测代码示例系统.rar 希望对大家有所启发。-Face Detection System code examples. Rar we hope to inspire.

道路识别 人工智能方面的道路识别应用-road artificial intelligence to identify the road recognition applications

遗传算法的原代码，用于最优化计算，只需解压便可使用。-Genetic algorithm source code for the optimization calculation, just unzip to use.

人工智能一个运行平台，可以很方便的将你的一些代码的执行-an artificial intelligence platforms can be very convenient to some of your code implementation

关联模式的Apriori的vc实现，对数据挖掘感兴趣的人一定很希望得到吧！-VC implementation of Apriori based on Associate Pattern, is it what exactly you want in data mining?

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

人工智能中重要的一个问题, 用广度优先搜索的方法解决-AI an important issue, breadth- first search of solutions

这是一个支持向量机的工具，可以实现分类功能-This is a support vector machine tools, can achieve a functional classification

用遗传算法求解最短路径问题-Genetic Algorithm for the shortest path problem

蚁群优化算法,实现人工智能解决TSP问题,如何应用ACO-Ant colony optimization algorithm, the realization of artificial intelligence to solve TSP problems, how to apply the ACO