矩阵运算的程序，很全，也可以自己在上面重新增加功能哦

简单的adaboost程序，面临着MIT库，利用Haar特征进行训练

S先生与P先生谜题 设有两个自然数X、Y，2

Great articles on noising method algorithm for travelling salesman problem-Great articles on noising method algorithm for travelling salesman problem

该程序是实现人体的头部姿态估计，用户可以随心选取图片，程序可以根据不同的图片定位头部，并在程序中将头部绘制出来，程序易懂，适合IT人士入门学习和研究。经过大量的实验验证，程序可以在matlab环境下运行成功，读者可以自己亲自试试。

泛型粒子过滤器： 注： 重采样对这种演算法称为每个步骤执行时引导粒子滤波

用于计算岩体结构面的法向密度，前提条件是知道优势结构面的产状，知道测线产状和长度，结构面与测线的交点数。程序用于简单的判断岩体的结构特征，并用于RQD值估算。

资源描述包含源代码及说明文档,使用java语言，代码清晰，使用时先用StartLearning类训练，后使用TestMain类测试，说明文档简单讲解了算法流程及注意事项，附带3000个训练测试数据。仅供学习参考，欢迎提问。

主要是详细的介绍了clean算法的函数程序，适合用于图像处理、超宽带通信信道仿真、信号处理求信道冲击响应的方向，

利用辛普生法积分，是比矩形积分法和梯形积分法更为精确的计分方法。辛普生方法采用抛物线插值，对二次函数是精确的，而二次函数的积分为三次函数。辛普生定步长积分对有突变的函数在运算

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。