基于主成份分析（PCA）的人脸特征识别核心源程序。

用Prolog求解传教士和野人问题 复习经典谓词演算中的归结原理，掌握人工智能程序设计语言Prolog，理解通过搜索求解问题实现人工智能的思想。-Using Prolog to solve the issue of missionaries and Savage Classical Predicate Calculus review summarized in principle, grasp the artificial intelligence programming language Prolog, to understand to solve problems by searching for the realization of the idea of artificial intelligence.

针对TSP问题，提出了一种改进的遗传算法。在遗传算法中引入进化算法的思想，在此基础上提出顶端培育策略和分阶段策略，以求在保证群体多样性的同时加快收敛速度。-against TSP, an improved genetic algorithms. Genetic Algorithm evolutionary algorithm introduced the idea that the basis of this proposed strategy and cultivating top phased strategy groups in order to ensure diversity at the same time speed up the convergence.

Adaptive Resonance Theory Brain Modeling 人工智能人工神经网络源码-Adaptive Resonance Theory Brain Modeling artificial neural network artificial intelligence source

遗传算法的Matlab程序，用于数值优化-GA Matlab procedures for Numerical Optimization

： 移动机器人路径规划是机器人学的一个重要研究领域。 针对移动场地的特点对其进行了建 模与存储，然后将场地处理成简单的连通图-: Mobile robot path planning is an important study robot research field. Characteristics for mobile sites for their modeling and storage, and then deal with the venue into a simple connected graph

Mitchell的《机器学习〉随书源码，非常不错-Mitchell"s "machine learning> With the source book, very good

八数码问题全局择优算法-eight digital algorithm selection of the best overall problem

有关RBF的参考文献，希望能够给你带来一定的帮助-RBF-related references, hoping to give you some help

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

神经网络遗传算法的一个简单例子代码，开发神经网络遗传算法的第一步-neural network genetic algorithm code a simple example, the development of neural network genetic algorithm first step