发布
loading-left
loading loading loading
loading-right

加载中

个人主页
TA还没有准备介绍自己
TA的源代码 (314)
遗传算法优化BP 神经网络在数据预测方面的应用
暂无评分
应用背景2O世纪80年代后期,多机器人协作成为一种新的机器人应用形式日益引起国内外学术界的兴趣与关注。一方面,由于任务的复杂性,在单机器人难以完成任务时,人们希望通过多机器人之间的协调与合作来完成。另一方面,人们也希望通过多机器人间的协调与合作,来提高机器人系统在作业过程中的效率。1943年,Maeullocu和Pitts融合了生物物理学和数学提出了第一个神经元模型。从这以后,人工神经网络经历了发展、停滞、再发展的过程,时至今日正走向成熟,在广泛领域里得到了应用,其中将人工神经网络技术应用到多机器人协作成为新的研究领域。本文研究通过人工神经网络控制多机器人完成协作搬运的任务-3J,并应用遗传算法来对神经网络进行优化。仿真结果表明,经过遗传算法优化后的搬运工作效率显著提高,误差降低。关键技术 遗传算法优化BP神经网络 1遗传算法优化BP神经网络算法流程 利用遗传算法来训练神经网络的大部分工作是预先固定好网络的拓扑,而后用遗传算法优化神经网络的权重。进化训练方法可分为两个主要步骤: (1)决定网络连接权重的编码方案;(2)用遗传算法完成进化。对于固定的神经网络结构,进化网
njwhat
2016-08-23
0
1
基于蒙特卡罗方法的故障树仿真分析源码
暂无评分
应用背景 定量计算顶事件发生的概率是进行故障树分析的重要环节,通常采用公式计算时,不仅计算量大,而且计算过程复杂、繁琐,很容易出错.本文利用蒙特卡罗模拟法对故障树模型进行仿真,
njwhat
2016-08-23
0
1
径向基函数神经网络Matlab源代码
暂无评分
应用背景众所周知,BP网络用于函数逼近时,权值的调节采用的是负梯度下降法。这个调节权值的方法有局限性,即收敛慢和局部极小等。径向基函数网络(RBF)在逼近能力、分类能力和学习速度等方面均优于BP网络。 Matlab中提供了四个径向基函数相关的函数,它们都是创建两层的神经网络,第一层都是径向基层,第二层是线性层或者竞争层。主要的区别是它们权值、阀值就算函数不同或者是否有阀值。   关键技术 RBF网络能够逼近任意的非线性函数,可以处理系统内的难以解析的规律性,具有良好的泛化能力,并有很快的学习收敛速度,已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数(权值或阈值)对任何一个输出都有影响时,这样的网络称为全局逼近网络。由于对于每次输入,网络上的每一个权值都要调整,从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。 如果对于输入空间的某个局部区域只有少数几个连接权值影响输出,则该网络称为局部逼近网络。常见的局部逼近网络有RBF网络、小脑模型(CMAC)网络、B样条网络等。
njwhat
2016-08-23
1
1
Omid Sakhi《使用SVM进行脸部识别》
暂无评分
应用背景 主成分分析(PCA)是人脸识别中特征提取的主要方法,支持向量机(SVM)具有适合处理小样本、非线性和高维数问题,利用核函数且泛化能力强等多方面的优点.文章将两者结合,先用快速PCA算法进行人脸图像特征提取和选择,用所选择的人脸特征向量训练多个支持向量机(SVM),最后用训练好的支持向量机(SVM)进行人脸识别的分类.在ORL人脸数据库上进行了实验,取得了满意的识别效果. 关键技术<
njwhat
2016-08-23
0
1
使用神经网络进行脸部识别系统
4.0分
应用背景介绍了人工神经网络(ANN)方法在数字图像识别中的应用,并通过在身份验证中的人面部特征提取与识别的实例对现有网络进行了研究,提出了改进思想,以期达到降低运算量、提高识别率的目的。关键技术应用神经网络技术构建了一个完整的人脸识别系统.首先使用基于眼睛位置估计的方法从人脸图像中分割出对识别有意义的纯脸,然后使用自组织映射进行特征压缩,提取有效的鉴别特征.最后使用基于知识的模糊神经网络进行分类.在NUSTDBII人脸数据库上的实验得到了令人满意的结果,并且表明该方法对人脸的姿态及表情有一定的不敏感性.
njwhat
2016-08-23
0
1
对蚂蚁爬杆问题进行模拟的通用程序
暂无评分
应用背景有一根27厘米的木杆,在第3厘米,7厘米,11厘米,17厘米,
njwhat
2016-08-23
0
1
格点搜索和单纯形法Matlab源代码
4.0分
应用背景单纯形是美国数学家G.B.丹齐克于1947年首先提出来的。它的理论根据是:线性规划问题的可行域是n维向量空间Rn中的多面凸集,其最优值如果存在必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。单纯形法的基本思想是:先找出一个基本可行解,对它进行鉴别,看是否是最优解;若不是,则按照一定法则转换到另一改进的基本可行解,再鉴别;若仍不是,则再转换,按此重复进行。因基本可行解的个数有限,故经有限次转换必能得出问题的最优解。关键技术 单纯形搜索法是一种无约束最优化的直接方法。单纯形法是求解非线性多元函数、无约束最小化问题的有效方法之一。在许多技术领域内,都取得了有效的成果。该方法是由J.A.Nelder和R.Mead于1965年提出的。 所谓的单纯形是指n维空间E^n中具有n+1个顶点的凸多面体。比如一维空间中的线段,二维空间中的三角形,三维空间中的四面体等,均为相应空间中的单纯形。单纯形搜索法与其它直接方法相比,基本思想有所不同,在这种方法中,给定维空间E^n中一个单纯形后,求出n+1个顶点上的函数值,确定出有最大函数值的点(称为最高点)和最小函数值的点(称为最低点),然后通过反射、扩展、压缩等方法(几种方法不一定同时使用)求出一个较好点,用它取代最高点,构成新的单纯形,或者通过向最低点收缩形成新的单纯形,用这样的方法逼近极小点。
njwhat
2016-08-23
0
1
模糊C均值聚类(FCM)的MATLAB实现
4.0分
应用背景数学系本科毕业设计中有不少是与模糊数学相关的,我的题目是模糊聚类分析的有效性问题初探,FCM算法是我论文中不可或缺的部分,在此我将FCM算法的两种迭代形式的MATLAB代码写于下,也许有的同学会用得着关键技术 模糊C均值聚类(FCM),即众所周知的模糊ISODATA,是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。1973年,Bezdek提出了该算法,作为早期硬C均值聚类(HCM)方法的一种改进。 FCM把n个向量xi(i=1,2,…,n)分为c个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小。FCM与HCM的主要区别在于FCM用模糊划分,使得每个给定数据点用值在0,1间的隶属度来确定其属于各个组的程度。与引入模糊划分相适应,隶属矩阵U允许有取值在0,1间的元素。不过,加上归一化规定,一个数据集的隶属度的和总等于1. FCM的价值函数(或目标函数)就是所有个点隶属度乘以该点与中心的欧氏距离之和。 在批处理方式运行时,FCM用下列步骤确定聚类中心ci和隶属矩阵U[1]: 步骤1:用值在0,1间的随机数初始化隶属矩阵U,使其满足式(6.9)中的约束条件 步骤2:用式(6.12)计算c个聚类中心ci,i=1,…,c。 步骤3:根据式(6.10)计算价值函数。如果它小于某个确定的阀值,或它相对上次价值函数值的改变量小于某个阀值,则算法停止。 步骤4:用(6.13)计算新的U矩阵。返回步骤2。 上述算法也可以先初始化聚类中心,然后再执行迭代过程。由于不能确保FCM收敛于一个最优解。算法的性能依赖于初始聚类中心。因此,我们要么用另外的快速算法确定初始聚类中心,要么每次用不同的初始聚类中心启动该算法,多次运行FCM。 迭代函数:
njwhat
2016-08-23
0
1
基于蚁群优化的图像边界检测
暂无评分
应用背景图像边缘是很重要的视觉信息,边缘检测在图像处理和机器视觉中占据着重要位置。通过边缘检测勾画出目标物体的轮廓,达到目标识别的目的。传统的边缘检测方法是基于空间运算的,借助空域微分算子利用卷积来实现,主要起到高通滤波的作用,如Sobel边缘算子、Roberts边缘算子、Krisch边缘算子、高斯2拉普拉斯边缘算子等关键技术 信息激素(Pheromone)作为蚂蚁选择后续行为的依据,并通过蚂蚁间的协同与交互来完成全局寻优搜索过程。该算法具有强鲁棒性、正反馈性和分布式处理等特点,已被成功用于解决许多诸如TSP问题、图着色问题等复杂问题。但用于图像处理领域,国内外的研究还比较少,韩彦芳等人利用蚁群算法提出了基于模糊聚类的图像分割方法,本文则利用蚁群算法提出了一种新的图像边缘检测方法。将一群蚂蚁随机放置到图像中,根据蚁群算法的路径选择机制,使蚂蚁以较大的概率选择图像边缘点作为下一步移动目标位置,经过多次循环迭代最终使大多数蚂蚁聚集到图像边缘上,从而提取出图像的边缘。
njwhat
2016-08-23
0
1
自学Matlab必备的60个小程序代码
暂无评分
应用背景 MATLAB是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。 MATLAB
njwhat
2016-08-23
0
1
点击查看更多