自己

利用matlab编写的神经网络算法，经过测试速度快效果好。-Prepared using matlab neural network algorithm, tested the effect of a good speed.

新的神经网络算法源程序，很适合初学者，也可以在上面进行改进！-New neural network algorithm source code, it is suitable for beginners, you can make improvements in the above!

模式识别实例工程的源代码-example source code

matlab进行模糊pid仿真的源代码，效果一般，但已在本人毕业论文中实用-pid fuzzy matlab simulation of source code, the effect of the general, but in my dissertation in the practical

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

使用模拟退火思想解决ISP（独立集）问题，使用先看说明-Thinking of using the simulated annealing solution to ISP (independent set), the use of look at the description

遗传算法演示程序-GA Demonstration Program

神经网络算法 神经网络算法 -BP networksBP networksBP networksBP networksBP networks

贝叶斯优化算法是一种新的演化算法，通过贝叶斯概率统计的知识来学习后代，可是使演化朝有利的方向前进，程序用C实现了贝叶斯优化算法。-Bayesian Optimization Algorithm is a new evolutionary algorithm, through Bayesian probability and statistics to learn the knowledge of future generations, but to enable the evolution towards a favorable direction, procedures C achieved a Bayesian Optimization Algorithm.

PR development 2007 模式识别研究进展2007 -PR development 2007 Progress in Pattern Recognition, 2007