This is a k

利用pso算法训练人工神经网络的源代码。-PSO algorithm for the use of training artificial neural network source code.

模式识别中关于感知器算法的程序,输入点进行聚类.-pattern recognition algorithm on the perception of the process, input cluster.

利用神经网络预测时间序列，以太阳黑子和实际的转子故障信号为例，matlab编程-Using neural network time series prediction to sunspots and the actual rotor fault signal as an example, matlab programming

用遗传算法优化神经网络权值的源程序-genetic algorithm optimization neural network value of the source

pre-fixSpan算法，该算法是C++语言实现的，主要用模板实现prefixspan的投影数据库架构及模式生长功能

也是学习别人的程序，不过他没有把核心代码给我-also learn from others procedures, but he did not take me to the core code

使用遗传算法、模拟退火算法求解设计结构矩阵，并进行对比分析-The use of genetic algorithms, simulated annealing algorithm design structure matrix, and a comparative analysis of

很不错的xml解析工具，写的非常好，值得用一下-A very good tool for xml parsing, writing very well, it is worth to use what

Autolife模型是一个能够进行“开放式进化”的人工生命系统。每个Agent模型采用可以变化规则表长度的有限自动机模型建模。一方面Agent可以进行自我繁殖，同时模型中的选择机制没有采用显式的适应度函数而是采用能量消耗的简单模型而自发涌现出来，所以可以认为Agent模型是一个类Tierra系统。然而与Tierra、Avida等数字生命模型不同的是，Autolife模型进行了大大的简化，它界面友好，操作直接。虽然没有给每个Agent装配一个虚拟计算机，但是Agent与环境的耦合则可以看成一个图灵机模型，因此Agent可以通过变异而“任意”的编程序。通过Autolife模型，首先人们可以看到一般的生态系统中共存的现象：生物的大爆炸、大灭绝，Agent进化得越来越聪明；其次，用户可以通过变化不同的食物添加规则探索Agent与环境的关系；最后，如果允许Agent通过播种改变环境自动产生食物，那么组织的涌现就是一种不可避免的结果。Agent构成的组织具有自主运动的特性，还可以进行自我修复，可以说Autolife中的组织是一些真正的“活体”。-Autolife model is to conduct an "open-evolution" artificial life system. Each Agent can be used model changes the rules limited the length of the table automatic machine modeling. One Agent can be self-propagation, model selection mechanism not used Explicit the fitness function instead of using the energy consumption of a simple model to emerge spontaneously, so that the agent can be a model category Tierra system. But with Tierra, Avida digital life model is different Autolife model for greatly simplified its

很好用的一个适用程序，由Visual C＋＋编程，有收藏价值