目前己存在許多優(yōu)化算法用來(lái)解決該問(wèn)題，但不少算法都存在一定局限性，如當(dāng)算法的約束條件較多時(shí)，很難求解復(fù)雜環(huán)境的路徑規(guī)劃問(wèn)題等。本文根據(jù)機(jī)器人路徑規(guī)劃算法的研究現(xiàn)狀和向智能化、仿生化發(fā)展的趨勢(shì)，研究了一種基于改進(jìn)蟻群算法的機(jī)器人全局路徑規(guī)劃方法。
標(biāo)簽： 優(yōu)化算法
上傳時(shí)間： 2014-01-25
上傳用戶：sevenbestfei
本論文圍繞蟻群算法的理論及其應(yīng)用，就如何解決非線性整數(shù)規(guī)劃問(wèn)題、連續(xù)性伏化問(wèn)題、聚類問(wèn)題、與其它算法混合以及收斂性進(jìn)行了較為深入、系統(tǒng)的研究。
上傳時(shí)間： 2016-06-15
上傳用戶：笨小孩
用DSP2812實(shí)現(xiàn)ULAW算法，對(duì)語(yǔ)音進(jìn)行U律處理，能在CCS上看到動(dòng)態(tài)圖形。
上傳時(shí)間： 2016-06-16
上傳用戶：米卡
熟悉dsp開(kāi)發(fā)環(huán)境ccs之FIR算法實(shí)驗(yàn).工程文件sine_fir.prj，工程由六個(gè)文件組成，其中fir_coff.inc是系數(shù)文件，包括由Matlab產(chǎn)生的濾波頭系數(shù)和正弦加噪信號(hào)系數(shù)，fir_filter.inc是濾波過(guò)程的計(jì)算，vx54xnt.inc為DSP芯片的初始化，54xdsp.lib為庫(kù)文件，fir_flt.asm為主程序，fir_flt.cmd為存儲(chǔ)器配置文件
標(biāo)簽： sine_fir dsp ccs FIR
上傳時(shí)間： 2014-01-21
上傳用戶：aix008
本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有實(shí)用價(jià)值. 一、網(wǎng)絡(luò)訓(xùn)練 程序默認(rèn)狀態(tài)是樣本訓(xùn)練狀態(tài),現(xiàn)將樣本訓(xùn)練狀態(tài)下的如何訓(xùn)練網(wǎng)絡(luò)進(jìn)行說(shuō)明: 1.系統(tǒng)精度: 定義系統(tǒng)目標(biāo)精度,根據(jù)需要定義網(wǎng)絡(luò)訓(xùn)練誤差精度.誤差公式是對(duì)訓(xùn)練出網(wǎng)絡(luò)的輸出層節(jié)點(diǎn)和實(shí)際的網(wǎng)絡(luò)輸出結(jié)果求平方差的和. 最大訓(xùn)練次數(shù): 默認(rèn)為10000次,根據(jù)需要調(diào)整,如果到達(dá)最大訓(xùn)練次數(shù)網(wǎng)絡(luò)還未能達(dá)到目標(biāo)精度,程序退出. 3.步長(zhǎng): 默認(rèn)為0.01,由于采用變步長(zhǎng)算法,一般不需人工設(shè)置. 4.輸入層數(shù)目: 人工神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元的節(jié)點(diǎn)數(shù)目. 5.隱含層數(shù)目: 人工神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元的節(jié)點(diǎn)數(shù)目. 6.輸出層數(shù)目: 人工神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元的節(jié)點(diǎn)數(shù)目. 7.訓(xùn)練算法: 強(qiáng)烈建議選取Levenberg-Marquardt算法,該算法經(jīng)過(guò)測(cè)試比較穩(wěn)定. 8.激活函數(shù): 不同的網(wǎng)絡(luò)激活函數(shù)表現(xiàn)的性能不同,可根據(jù)實(shí)際情況選擇. 9.樣本數(shù)據(jù)的處理: 由于程序沒(méi)有實(shí)現(xiàn)歸一化功能, 因此用來(lái)訓(xùn)練的樣本數(shù)據(jù)首先要?dú)w一化后才能進(jìn)行訓(xùn)練.
標(biāo)簽： Levenberg-Marquardt 程序 狀態(tài) 樣本
上傳時(shí)間： 2013-12-19
上傳用戶：firstbyte
arm946es的cpu初始化源代碼，用在u-boot的初始化階段
上傳時(shí)間： 2016-06-20
上傳用戶：aix008
用于分類的支持向量機(jī) 支持向量機(jī)是20 世紀(jì)90 年代中期發(fā)展起來(lái)的機(jī)器學(xué)習(xí)技術(shù),建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理之上的支持 向量機(jī)以其獨(dú)有的優(yōu)點(diǎn)吸引著廣大研究者,該文著重于用于分類的支持向量機(jī),對(duì)其基本原理與主要的訓(xùn)練算法 進(jìn)行介紹,并對(duì)其用途作了一定的探索.
標(biāo)簽： 支持向量機(jī) 分類 發(fā)展 向量機(jī)
上傳時(shí)間： 2013-12-11
上傳用戶：bibirnovis
System.out.print(s) System.out.println(t) System.out.print(u) System.out.println(v) System.out.print(a) System.out.print(b) System.out.print(c) System.out.println(d) x=0x5f20 y=0x5f35 z=0xffff System.out.print(x) System.out.print(y) System.out.println(z)
標(biāo)簽： System out println print
上傳時(shí)間： 2016-07-01
上傳用戶：日光微瀾
尋找k個(gè)聚類中心的算法，也就是對(duì)k-means算法初始化進(jìn)行改進(jìn)的一種算法
上傳時(shí)間： 2016-07-02
上傳用戶：z754970244
迷宮智能A*搜索的算法實(shí)現(xiàn)，可視化實(shí)現(xiàn)，有搜索過(guò)程
上傳時(shí)間： 2014-11-30
上傳用戶：zhyiroy
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
