Genetic algorithm to initialize the network weights and threshold parameters imp...

height 遗传身高计算 根据父母的升高计算后代身高-height

人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中给出了改进的人工鱼群算法。当人工鱼种群的最优 值在多代未变的情况下，加入了“跳跃”行为，改变人工鱼个体的参数，避免陷入 局部最优并提高了寻求全局最优解的能力。然后建立了新的预测模型，实际编程表 明，改进后的模型具有更好的全局最优化能力及稳定性。-err

该系统使用极其简便，即使 你对各种网络模型不是很深刻的了解，也可以很好的使用该系统。使用时， 你可以自己修改网络的各种参数，交互性较好，而且该系统通过大量的图示 及参数设置，可以让你了解每个应用实例实现的过程及详细步骤。-The system is extremely easy to use, even if you have to various network model is not very profound understanding can be a good use of the system. When used, you can change the network"s own parameters, interactive better, but the system through a lot of icon and parameter settings, so you can understand each application process and the realization of detailed steps.

一个关于神经网络遗传算法的源程序，对于初学者肯定有帮助-A source code about NN(nerve network),it is helpful for beginners

包含FuzzyKMeans, FuzzyGK, FuzzyR等算法，拓展了weka（本站可以下载）-Contains algorithm such as FuzzyKMeans, FuzzyGK, FuzzyR. Extends weka(it is can be download form this site)

数据挖掘算法 关联规则算法 apriori算法（c语言版本）-algorithm of data mining algorithm of corelationship rule algorithm of aproori (C language edition)

无解压密码，可放心使用-without extracting passwords can be assured use

7。《进化算法》，云庆夏编着 冶金工业出版社 2000年第一版 全书共分5章，分别为绪论、遗传算法、遗传规划、进化策略、进化规划。-7. "Evolutionary algorithm," Yun Qing Xia compile Metallurgical Industry Publishing House in 2000 the first edition of the book is divided into five chapters, each of the introduction, Genetic algorithms, genetic programming, evolutionary strategy, evolutionary programming.

This directory contains utility for implementing generic Reqursive Least Squares (RLS) algorithm. The example shows how one can use the utility to estamate the parameters of a simple linear discrete time system.

This a SVM light for those who want to learn how Support Vector Machine work-This is a SVM light for those who want to learn how Support Vector Machine work