simple implement of genetic algorithm on cards

Fisher线性判别分类器源代码，包括训练函数和测试函数。-Fisher Linear Discrimination (FLD) classifier source code, including training function and test function.

遗传算法的c语言程序-Genetic Algorithm c Language Program

根据人工鱼群算法的基本原理，求解一个函数值的最优解；-According to the basic principles of artificial fish-swarm algorithm, solving a function value of the optimal solution

实现马尔可夫决策过程模型的算法，该研究方向是当前热门的研究领域。-Markov Decision Process Model realize the algorithm, the research direction is currently a hot research field.

详细介绍EM算法的好书！！！！PDF格式-EM algorithm detailed book! ! ! ! PDF format

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

传教士和野人渡河问题盲目搜索算法 一个典型的人工智能算法-missionaries and Savage cross river blind search algorithm of a typical artificial intelligence algorithms

关于神经网络入门学习的教程，适用于刚开始学习的人-Getting Started on the neural network learning tutorial for people who just started learning

神经网络C程序的第9章-neural network C procedures for the Chapter 9

该程序是基于BP网络的PID控制系统。系统由两部分构成：经典的PID控制器和神经网络。-that the procedure was based on BP network PID control system. System consists of two parts : the classic PID controller and neural networks.