朴素贝叶斯算法学习笔记。

文件夹主要含有实现svpwm算法的三种方法下的模型搭建，与学习记录同步：根据svpwm算法原理自行搭建仿真模型、利用MATLAB的s函数以及内部自带svpwm模块模型搭建；以'.m'文件的方式将s函数文件放进了压缩包。通过仿真模型搭建以及运行，能对svpwm算法有更进一步的认识，利于控制基础的牢固与MATLAB语言初步的了解。这是本人自己搭建的，初次上传资源，希望下载了的朋友发现不足之处，能同我多多交流，大家一起进步。

MATLAB上机实习报告；原创性强。仿真，任务丰富。代码详实、轻松容易入门，可实现性极高。算法完备，里面完全从学生思路入手，适合入门者学习。当然对一定基础的实验人员也可作为参考。也可对业内的教师群体进行作业安排的参考，方便教学，学生上手容易。我们也可以在品论去进行交流。报告内容覆盖数学、控制算法、自动控制等多学科的内容。覆盖面全，内容充实，算法完备，代表性高。欢迎大家下载阅读，原创造不易，还望大家多多支持，万分感谢。

基于惯性权重和学习因子动态调整的粒子群算法

随着DeepMind公司开发的AlphaGo升级版master战胜围棋世界冠军，其背后应用的强化学习思想受到了广泛关注，也吸引了我想一探究竟为什么强化学习的威力这么大。早在2015年，DeepMind就在youtube上发布了围棋程序master的主要作者David Silver主讲的一套强化学习视频公开课，较为系统、全面地介绍了强化学习的各种思想、实现算法。其一套公开课一共分为十讲，每讲平均为100分钟。其中既包括扎实的理论推导，也有很多有趣的小例子帮助理解，对于理解强化学习来说是一套非常好的教程。我在跟随这套教程学习的过程中一边听讲、一边笔记，最后编写代码实践，终于算是对强化学习的概念终于有了初步的认识，算是入门了吧。为了巩固加深自己的理解，同时也能为后来的学习者提供一些较为系统的中文学习资料，我萌生了把整个公开课系统整理出来的想法。

图学习与强化学习如何结合是个重要的问题，来自东北大学的学者最近发布了《图强化学习》综述，总结了GRL方法的方法描述、开源代码和基准数据集，非常值得关注！图挖掘任务产生于许多不同的应用领域，包括社交网络、交通运输、电子商务等，近年来受到了理论和算法设计界的极大关注。在图数据挖掘任务中，使用正在研究中的强化学习(RL)技术进行了一些开创性的工作。然而，这些图挖掘算法和RL模型分散在不同的研究领域，难以对不同的算法进行比较。在本综述中，我们提供了RL模型和图挖掘的全面概述，并将这些算法推广到图强化学习(GRL)作为一个统一形式化。我们进一步讨论了GRL方法在各个领域的应用，并总结了GRL方法的方法描述、开源代码和基准数据集。最后，提出了未来可能需要解决的重要方向和挑战。这是对GRL文献进行全面考察的最新成果，为学者提供了一个全球视野，也为该领域以外的学者提供了学习资源。此外，我们为想要进入这个快速发展的领域的感兴趣的学者和想要比较GRL方法的专家创建了一个在线开源软件。

轻松学习算法

A星算法学习笔记——记录

首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。

一篇关于使用C#实现遗传算法的学习笔记，适用于学习遗传算法的人。