maximum function for the genetic algorithm source code Matlab

Pascal Programs Printed in GENETIC ALGORITHMS IN SEARCH, OPTIMIZATION, AND MACHINE LEARNING by David E. Goldberg -Pascal Programs Printed in GENETIC ALGORITHMS IN SEARCH, OPTIMIZATION, AND MACHINE LEARNING by David E. Goldberg

使用anfists的sugeno-type对混沌时间序列预测。-the use anfists Sugeno-type of chaotic time series prediction.

压缩包中的一系列matlab程序实现了“特定人群语音情感识别”这一新颖的研究课题。具体介绍请见压缩包中的论文。-compressed in a series of Matlab program of "specific emotional crowd voice recognition" of the new study. Specific details of compressed see the papers.

讲述关联规则在零售业中的作用,相应的算法和实例实现-on association rules in the retail sector"s role, the corresponding algorithm to achieve and examples, etc.

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

该软件通过BP神经网络学习机制，能够对屏幕上的数字进行识别。-the software through BP neural network learning mechanism, to right on the screen digital identification.

GENNET是一个通过遗传算法优化权重的16个神经元的全连接神经网络。训练目的是使网络在一定假设的激励下，随时间产生同目标函数同样的响应，即:可以把此网络制作为一个任意波形的信号发生器。 程序分3个示例说明遗传算法进化过程中网络输出的变化趋势。可以看出网络输出（蓝色曲线）随着时间变化逐渐逼近目标函数（红色曲线）。此程序不仅可以学习遗传算法，也可以用于研究全连接网络的直观示例。-GENNET is a genetic algorithm to optimize the weights by the 16 neurons fully connected neural networks. Training purposes is to enable network inspired by certain assumptions, over time, produce the same response with the objective function, namely: the network can be produced as an arbitrary waveform signal generator. Procedure, three examples illustrate the evolution of genetic algorithms in the network output trends. We can see that the network output (blue curve) changes over time, gradually approaching the objective function (red curve). This program can not only learn from the genetic algorithm can also be used to study visual example of a fully connected network.

一个简单的fisher分类器代码,并含有实验用的两个数据集合.-a simple fisher classifier code, and contains the two experimental data sets.

遗传算法示例源码，VC学习案例，对遗传算法感兴趣的朋友学习。-Genetic algorithm source code examples, VC case study on the genetic algorithm of interest to people in learning.

神经网络模拟正弦函数演示-neural network simulation sine function demo