它给出了 Rect 函数的傅立叶变换
2023-07-03 11:25:57 12KB matlab
1
遗传算法排课matlab代码遗传算法 基于MATLAB的船舶路径问题的遗传算法。 打开GA_1.m文件 如果出现用于路径重定向的弹出消息,请选择工作目录的路径。 执行脚本GA_1.m 该代码基于论文: 带有时间窗的船舶路线和调度问题的遗传算法,2012年Khaled Al-Hamad,Mohamed Al-Ibrahim,Eiman Al-Enezy 论文链接: 麻省理工学院执照 版权所有(c)2018 Loukas Kotas 特此免费授予获得此软件和相关文档文件(“软件”)副本的任何人无限制地处理软件的权利,包括但不限于使用,复制,修改,合并的权利,发布,分发,再许可和/或出售本软件的副本,并允许具备软件的人员这样做,但须满足以下条件: 以上版权声明和此许可声明应包含在本软件的所有副本或大部分内容中。 本软件按“原样”提供,不提供任何形式的明示或暗示担保,包括但不限于对适销性,特定目的的适用性和非侵权性的担保。 无论是由于软件,使用或其他方式产生的,与之有关或与之有关的合同,侵权或其他形式的任何索赔,损害或其他责任,作者或版权所有者概不负责。软件。
2023-07-03 11:20:22 276KB 系统开源
1
四旋翼的滑模控制matlab仿真程序,控制程序,simulink图,和plot图
2023-07-03 09:53:49 13KB matlab 开发语言 四旋翼
nsga ii算法代码MATLAB 版权 您可以随意使用此算法()进行研究。 所有使用此代码的出版物都应感谢作者。 路易斯·费利佩·阿里扎·韦斯加(Luis Felipe) 一种快速的非支配排序遗传算法扩展,可以解决多目标问题。 2019年3月。电子邮件:,。 @online{NonofficialNSGAIII, title={A Fast Nondominated Sorting Genetic Algorithm Extension to Solve Many-Objective Problems}, author={Luis Felipe Ariza Vesga}, url = {https://github.com/lfarizav/NSGA-III} month = March, year={2019}, lastaccessed = "March 17, 2019", } NSGA-III:一种快速的非支配排序遗传算法扩展,用于解决多目标问题(非官方) 这项工作在C语言中提供了第三种快速进化的非支配排序遗传算法(NSGA-III)实现,扩展了存储在坎普尔遗传算法实验室(K
2023-07-02 21:38:35 1.16MB 系统开源
1
此工具箱是英国设菲尔德(Sheffield)大学编写的MATLAB遗传算法工具箱,是使用的最广泛的遗传工具箱之一。在《MATLAB 遗传算法工具箱及应用》作 者:雷英杰 出版社:西安电子科技大学出版社 这本书中重点介绍了此工具箱。
2023-07-01 19:32:51 2.74MB Genetic Algorithm Toolbox
1
哈工程的stateflow讲义-2-4 stateflow.ppt 哈工程的stateflow讲义 以一个温度控制为例讲解stateflow,讲得还可以, 适合初学者!
2023-07-01 19:20:43 911KB matlab
1
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:基于matlab卡尔曼滤波的运动目标(人体)识别追踪程序源码+图片集+毕业论文_运动目标跟踪_卡尔曼滤波_人体识别_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
仿真MATLAB图像加密解密GUI系统
2023-07-01 10:29:49 1002KB matlab 图像加密解密
1
matlab做信效度分析代码使用深度神经网络及其分析预测下颞(IT)多单元输出。 深度神经网络由多层组成,以处理输入图像。 以类似的方式,灵长类动物大脑的视觉皮层具有多个层,这些层处理从视神经传入的视觉刺激。 它们按以下顺序排列:V1,V2,V3,V4,IT(下颞)。 IT层类似于经过训练的DNN的最后一层,确定图像中的对象。 在该项目中,比较了灵长类动物大脑的视觉皮层(V4和IT)的5个区域中的2个区域与流行的DNN模型之间的比较。 用于比较的一些DNN模型是: HMO HMAX 像V1 像V2 克里热夫斯基等。 2012年 Zeiler&Fergus 2013 1.1)数据获取和使用 在显示测试对象(灵长类动物)测试图像的同时,从其V4和IT区域记录神经输出。 V4区域具有128个通道,通过该通道收集神经输出,而IT区域具有168个通道。 因此,灵长类动物大脑中一幅图像的IT表示是一个168维向量。 总共向灵长类动物显示了1960张图像,因此V4数据矩阵为1960x128,而IT数据矩阵为1960x168。 这是数据的链接: 这里仅使用多单位数据。 为了从DNN模型的最后一个完全连
2023-06-30 01:13:44 2.45MB 系统开源
1