支持向量机Windows Svm

这是一本详细介绍遗传算法理论，及其在工程方面应用的书籍，书中包含许多实例，实在是不可多得的经典之书-This is a detailed theory of genetic algorithm and its applications in engineering books, the book contains many examples, it is rare classic book

基于贝叶斯的数据挖掘算法的实现,使用visual stutio2005编程实现。-Bayesian data mining algorithm, using the visual stutio2005 programming.

基于RBF的PID控制matlab程序，望大家参考，共同学习。-PID control based on RBF

这是一个简单的人工智能的例子 希望大家能以此为作出更好的 更完善的

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

这是一本粗糙集的数据挖掘经典书籍，书中不但介绍了粗糙集的相关知识，并给出了相关应用，同时介绍并比较了其他挖掘方法。-This is a rough set data mining classic books, the book not only introduced a rough set of relevant knowledge, and gives the related application, at the same time and compare the introduction of other mining methods.

用隶属函数型神经网与模糊控制融合的解耦程序-Membership functions with neural networks and fuzzy control integration of the decoupling procedure

求最优值的一个算法-seeking an optimal value of the algorithm

人工智能经典问题TSP问题的Java实现，内含源程序和调试过程生成的文件-AI classic TSP Java realize that contains source and debugging process produces files

神经网络控制作为一种全新的智能控制方法,是解决非线性系统预测和控制问题的一种重要手段,受到了许多专家学者的广泛关注,是目前国内外研究的热点之一。本文着重研究前向神经网络的学习算法,简单探讨了BP算法在逼近非线性系统中各个因素对系统的影响。 -Neural Network Control as a new intelligent control method is to solve the nonlinear system to predict and control an important means by many experts and scholars in a wide range of concerns, is one of the hot research. This article focuses on feedforward neural network learning algorithm, a simple BP algorithm of approximation of nonlinear systems in the various factors on the system.