based on the nerual networks pid controller,and which have benn simulated

结合均匀设计表和小边经验公式产生初始种群，使TSP应用遗传算法能求出更优更快解，详尽说明见paper.doc。-uniform design combining a small side table and have empirical formula initial population, TSP application of genetic algorithms can be obtained faster and better solutions, detailed description of paper.doc.

pso智能算法程序，结合这个程序会对算法有更深的认识-intelligent algorithm PSO procedures, combined with this procedure will have a deeper understanding of algorithm

雅可比(Jacobi)迭代算法的C++实现，供研究设计使用-Jacobi (Jacobi) iteration algorithm for C++ implementation for research designed to use

仿真1：首先把网络温度参数T固定在100，按工作规则共进行1000次状态更新,把这1000次状态转移中网络中的各个状态出现的次数Si（i＝1，2，…，16）记录下来 按下式计算各个状态出现的实际频率： Pi=Si/∑i=1,NSi=Si/M 同时按照Bo1tzmann分布计算网络各个状态出现概率的理论值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：实施降温方案，重新计算 采用快速降温方案：T（t）= T0/（1+t） T从1000降到0.01，按工作规则更新网络状态 当T=0.01时结束降温，再让T保持在0.01进行1000次状态转移，比较两种概率-a simulation : First of all network parameters temperature T fixed at 100 and, according to the rules for a total of 1000 to update the state, this state of the 1000 network transfer of all states for the number of Si (i = 1, 2, ..., 16) all recorded determined by the formula state-of the actual frequency : Pi = Si/i = 1, NSi = Si/M in accordance with Bo1tzmann distributed computing network of states all probability the theoretical value : Q (Ei) = (1/Z) exp (- Ei/T) Simulation 2 : implementation of cooling, re-using rapid cooling programs : T (t) = T0/(1 t) T dropped to 0.01 from 1000 and, according to the rules updated network state when T = 0.01 at the end of cooling, let T at 0.01 for the 1000 state tran

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

模式识别工具包，有很多模式识别的算法，可以在matlab中调用-Pattern recognition tool kit, there are many pattern recognition algorithms, you can call matlab

这是一篇美国博士毕业设计的论文，是用神经网络实现mppt的方案-This is a graduation project of the United States, Dr. thesis, is to use neural network program to achieve MPPT

一个非常不错的BP算法程序，这是一个名为bp.m的文件，对于理解BP算法会很有帮助。-The BP algorithm is a very good program, it is a named bp.m file would be helpful for understanding the BP algorithm.

神经网络的相关应用项目-neural network-related application projects