产生随机数，包含产生随机数的代码！

Numerical Methods- Gauss Elimination

这 ia 8 益智执行与曼哈顿距离启发式模型使用星搜索算法。它是由 8 个数字上板，目标是要把这些数字按顺序由 awapping 他们在空白的瓷砖。如果不能达到的最终状态由于订购它给出错误，并说最终的状态就不能实现。使用的搜索算法是 A * 搜索，这非常类似于 Dijsktra。8 的谜题是一个标准的人工智能技术问题。8 拼图问题的更多信息，请访问此链接： http://en.wikipedia.org/wiki/15_puzzle一旦你把你的初始状态，它将查找到最终状态的最短路径，然后打印该路径。要知道的事情： 队列、 堆栈、 列表、 动态数组 * 算法

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。

多智能体工具包，可直接用来进行多智能体强化学习算法设计与仿真。强化学习(reinforcement learning，又称再励学习，评价学习)是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。

公历及阴历算法(Calendar)-calendar and the lunar calendar algorithm (Calendar)

按照既定的步长，输入后筛选已有数据 筛选后根据变化，再次筛选-accordance with the established step, the imported data has been selected according to changes after the screening, selection again

遗传算法分析代码，可以进行回归分析

查表型crc16校验算法，c源码-Lookup- crc16 checksum algorithm, c FOSS

一个用于数学函数值计算的c函数,求任意数学函数f(x)和f(x,y)的值-a mathematical function for the calculation of the value of c function. Arbitrary mathematical function f (x) and f (x, y) values

用C语言实现IFFT的算法，不过在程序中需要有输入信号。希望能有什么帮助。