FNN利用MATLAB编程安装nefcon遵循这些步骤：1。打开…

遗传算法解决随机期望值模型问题的例题-random genetic algorithms to solve the problem expectations model example

模式识别中的几个常用算法，包括ISODATA算法、K－均值算法、感知器算法、LMSE最小误差、贝耶斯分类。-pattern_recognition have some usual algorithm,including ISODATA algorithm,K-means algorithm,apperceive algorithm ,

很好的BP算法 很完整 神经网络 用于图像处理-BP

D星算法，是A星算法的动态版本，都是基本的路径规划算法-D Star algorithm, stars are A dynamic version of the algorithm is the basic path planning algorithm

线性神经网络应用实例-linear neural network application

专家系统课程设计,用计算机解决SP先生谜题,有详细代码-curriculum design expert system, computer SP Mr. Mystery solved a detailed code

遗传算法与工程设计-Genetic Algorithms and Engineering Design

< 神经网络设计源代码>>一书的源代码。-err

计算前提论域中模糊子集的C语言程序.大家可以参考。-On the premise of the calculation domain fuzzy subset C language program. Everyone can refer to.

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