算法C程序和路由过程就是用最短的…

遗传算法的实现,c++/vc++/遗传算法的学习安例!-genetic algorithm to achieve, c/vc/GA-cases of learning!

介绍了神经 网络中的HOPFIELD算法的C语言实现.-Introduce a neural network algorithm HOPFIELD realize the C language.

knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法-Knn, or k-nearest neighbor algrithom, is a simple and classical classifier algrithom.

一个很好用的自适应人工神经网络模型库，包括ADALINE/RBF/多层前向等，另外内含Demo，更易上手-A good use of adaptive artificial neural network model library, including the ADALINE/RBF/Multi-layer and so on, the other containing the Demo, even易上手

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

神经网络的应用程序，里面实现有一定的价值，有较强的参考价值和利用价值-Neural network applications, which achieve a certain degree of value, have a stronger reference to the value and use value

运用遗传算法对交通流进行分配-use of genetic algorithms on traffic flow distribution

这是一篇关于文本分类问题的综述，详细的介绍了文本分类的技术发展。-text category

利用C＋＋语言开发的BP算法，并将其封装在类中，用户可以自己设定参数，实现对BP网络的训练。-use C++ language BP algorithm, which is encapsulated in class, users can set their own parameters to achieve BP network training.

遗传算法学习资料-GA learning materials