华为权值场景

经典的神经网络权值训练程序，经典的神经网络权值训练程序，很难得很难得

最大权值最小生成树 贪心算法实现。。。。。。。。。。。。。。。。。。。。。。。。。。

2．初始权值的选择 在前馈多层神经网络的BP算法中，初始权、阈值一般是在一个固定范围内按均匀分布随机产生的。一般文献认为初始权值范围为-1～＋1之间，初始权值的选择对于局部极小点的防止和网络收敛速度的提高均有一定程度的影响，如果初始权值范围选择不当，学习过程一开始就可能进入“假饱和”现象，甚至进入局部极小点，网络根本不收敛。初始权、阈值的选择因具体的网络结构模式和训练样本不同而有所差别，一般应视实际情况而定。本文考察了不同初始权、阈值的赋值范围对网络收敛速度的影响，确定本文神经网络模型的初始权和阈值的随机赋值范围为－0.5～+0.5。

LMS性能指标 权值幅度、跟踪曲线、收敛速度

RLS递归最小二乘算法是对最小二乘算法的改进，利用其训练RBF网络时，先要确定网络的中心和宽度等参数，利用该算法对RBF网络的权值进行学习，程序调试通顺，下载初始化之后直接可用

针对标准粒子滤波算法难以解决的粒子退化问题和样本贫化现象，提出了基于权值优选的改进二阶中心差分粒子滤波算法。该算法主要从以下两方面进行改进：首先采用二阶中心差分滤波方法通过协方差矩阵的平方根来产生重要性密度函数，从而解决粒子退化问题；然后通过重采样方法的利用权值优选的思想来增加粒子集的多样性，有效避免了样本贫化的现象。仿真结果表明：该算法状态估计结果更加接近目标真实的状态估计，平均均方根误差也更低，跟踪效果更佳，同时保持了较高的运算效率。

RBF网权值的量子粒子群优化算法

【优化求解】基于惯性权值非线性递减的改进粒子群算法(IMPSO)matlab源码.md

可直接用pajek分析，或作为矩阵导入MATLAB使用。