本控制器采用CMAC前馈控制，CMAC采用有导师的学习算法
上传时间： 2017-02-28
上传用户：royzhangsz
此压缩包内有cast、blowfish、simple、des、cryptlib、rsa、mqueue、xtrcrypt、gf256、base32,base64、modexppc、network等一些的常见加密、解密算法，非常全的算法集合，源码爱好者大致查了一下，超过130个，全部可以编译通过，而且还包含有E文的开发文档，研究学习算法的可不要错过。
标签： base blowfish cryptlib modexppc
上传时间： 2014-08-10
上传用户：a6697238
本文讨论了神经网络PID控制策略，提出了一种单神经元自适应PID控制器，给出了控制模型，探讨了单神经元自适应PID控制学习算法，通过修改神经元控制器连接加权系数 ，构成了自适应PID控制器。利用神经网络的自学习能力进行PID控制参数的在线整定，并使用了MATLAB软件进行了仿真研究。比较传统PID控制器与单神经元自适应PID控制器两者的仿真结果表明，神经网络PID控制器参数调节简单，具有很高的精度和很强的适应性，可以获得满意的控制效果。
上传时间： 2014-01-25
上传用户：zhaiyanzhong
Adaboost，一种很流行的机器学习算法。用matlab实现的。
标签： Adaboost
上传时间： 2017-08-20
上传用户：PresidentHuang
一种很重要的非监督降维方法，是流形学习算法Laplacian Eigenmap 的线性化方法，在人脸识别中效果非常好。
标签： 降维
上传时间： 2014-11-24
上传用户：wang0123456789
利用aiNet执行资源聚类的算法分为两部分：第一部分是aiNet学习算法，如上所述；第二部分是在获得记忆细胞矩阵M和Ab-Ab之间的dij矩阵S基础上，实现连通图的剪枝聚类。 定义 1 无向连通图G：在形态空间Sw上，以M中抗体对应的点为G的顶点，每对抗体之间的亲和力dij为G中两点连接边的权值。 定义2 最小生成树：包含连通图G中所有顶点的一个子图称为G的一棵生成树T。生成树中所用边的权值为生成树的权。权最小的生成树定义为最小生成树(Minimum spanning tree，MST)。
上传时间： 2015-05-12
上传用户：weizhuofu
利用aiNet执行资源聚类的算法分为两部分：第一部分是aiNet学习算法，如上所述；第二部分是在获得记忆细胞矩阵M和Ab-Ab之间的dij矩阵S基础上，实现连通图的剪枝聚类。
标签： matlab、人工免疫
上传时间： 2015-05-12
上传用户：weizhuofu
某些策略在高度波动，动荡的市场中将表现良好，而其他策略则需要强劲，平稳的趋势，否则将面临长期亏损的风险。弄清楚何时应该开始或停止交易策略，调整风险和资金管理技术。 能够确定不同的市场体制并相应地改变策略，可能意味着市场成功与失败之间的区别。在本文中，我们将探索如何使用称为“隐马尔可夫模型”的强大的机器学习算法来识别不同的市场体系。
上传时间： 2020-05-02
上传用户：ttyxy
基于knn的职业预测用 KNN（k-nearst neighbors，KNN）作为机器学习算法中的一种非常基本的算法，其原理比较简单直接，被广泛应用于电影/音乐推荐等方面， KNN算法主要用于分类任务中，用于基于新样本与已有样本的距离来为其赋以所属的类别，即使用一个新样本k个近邻的信息来对该无标记的样本进行分类，k是KNN中最基本的参数，表示任意数目的近邻，在k确定后，KNN算法还依赖于一个带标注的训练集，对没有分类的测试集中的样本进行分类，KNN确定训练集中与该新样本“距离”最近的k个训练集样本，并将新样本类别判定到这k个近邻中占比最大的那个类中。
标签： knn职业预测
上传时间： 2020-07-08
上传用户：
华为AI安全白皮书2018-cn近年来，随着海量数据的积累、计算能力的发展、机器学习方法与系统的持续创新与演进，诸如图像识别、语音识 别、自然语言翻译等人工智能技术得到普遍部署和广泛应用。越来越多公司都将增大在AI的投入，将其作为业务发展 的重心。华为全球产业愿景预测：到2025年，全球将实现1000亿联接，覆盖77%的人口；85%的企业应用将部署到 云上；智能家庭机器人将进入12%的家庭，形成千亿美元的市场。 人工智能技术的发展和广泛的商业应用充分预示着一个万物智能的社会正在快速到来。1956年，麦卡锡、明斯基、 香农等人提出“人工智能”概念。60年后的今天，伴随着谷歌DeepMind开发的围棋程序AlphaGo战胜人类围棋冠 军，人工智能技术开始全面爆发。如今，芯片和传感器的发展使“+智能”成为大势所趋：交通+智能，最懂你的 路；医疗+智能，最懂你的痛；制造+智能，最懂你所需。加州大学伯克利分校的学者们认为人工智能在过去二十年 快速崛起主要归结于如下三点原因[1]：1）海量数据：随着互联网的兴起，数据以语音、视频和文字等形式快速增 长；海量数据为机器学习算法提供了充足的营养，促使人工智能技术快速发展。2）高扩展计算机和软件系统：近 年来深度学习成功主要归功于新一波的CPU集群、GPU和TPU等专用硬件和相关的软件平台。3）已有资源的可获得 性：大量的开源软件协助处理数据和支持AI相关工作，节省了大量的开发时间和费用；同时许多云服务为开发者提供 了随时可获取的计算和存储资源。 在机器人、虚拟助手、自动驾驶、智能交通、智能制造、智慧城市等各个行业，人工智能正朝着历史性时刻迈进。谷 歌、微软、亚马逊等大公司纷纷将AI作为引领未来的核心发展战略。2017年谷歌DeepMind升级版的AlphaGo Zero横 空出世；它不再需要人类棋谱数据，而是进行自我博弈，经过短短3天的自我训练就强势打败了AlphaGo。AlphaGo Zero能够发现新知识并发展出打破常规的新策略，让我们看到了利用人工智能技术改变人类命运的巨大潜能。 我们现在看到的只是一个开始；未来，将会是一个全联接、超智能的世界。人工智能将为人们带来极致的体验，将 积极影响人们的工作和生活，带来经济的繁荣与发展。
上传时间： 2022-03-06
上传用户：
