本文来自于csdn，本文将通过以OCR（光学字符识别）的场景来介绍深度学习在计算机视觉中的应用。1.数据分布，x轴是属性城市人口，y轴是标签值盈利：2.目的：使用一个线性函数去拟合上面这些数据； 该线性函数如下只有两个参数，利用梯度下降找出使损失值最小时，对应的两个参数值，即得到了线性函数。 算法三要素： 1）设置线性函数，即假设函

多种群遗传算法的函数优化算法matlab代码及谢菲尔德遗传算法工具箱，遗传算法相关

MATLAB仿真压缩感知恢复算法，采用OMP算法。

ap算法matlab代码黑脸 ug2挑战： 黑脸： 指南 请检查 评估工具 请注意，eval_tools 预计可与八度一起使用，从 MATLAB 运行时可能会出现错误 docker pull scaffrey/eval_tools_ap:dry_run docker run --rm -it \ -v /path/to/your/submission:/tools/data \ -v /path/to/save/result:/tools/output \ scaffrey/eval_tools_ap:dry_run YOUR_ALGORITHM_NAME ./data/gt/ /root/UG2/Sub_challenge2_1/output/userid/output/submission_#/ 将导致： octave df_eval.m YOUR_ALGORITHM_NAME ./data/gt/ /root/UG2/Sub_challenge2_1/output/userid/output/submission_#/ # df_eval.m takes three args #

很全的无线传感器网络定位算法仿真代码 并且包含各个算法的论文

结合http://blog.csdn.net/jbb0523/article/details/45130793，由此转载

阵列天线模型建模，并且用matlab实现经典的DOA估计中的music算法仿真

多领导者改进算法的MATLAB仿真 loop=500; %确定循环周期 s=0.1; %s取值范围为(0,1) n=10; %初始化智能体个数 r=6; %初始化智能体感知半径 dw=5; %网格Lattice距离 a=1;b=2; %0<=a0 step=0.1; %确定步长 h=0.9; %定义参数h，其取值范围为（0,1） size=50; %初始范围 %---------系统初始化------------------------ q=size*rand(2,n); %初始化智能体初始位置向量 p=2*rand(2,n)-1; %初始化智能体初始速度向量 qr1=size*rand(2,1); %初始领导者1位置向量 pr1=2*rand(2,1)-1; %初始领导者1速度向量 qr2=size*rand(2,1); %初始领导者2位置向量 pr2=2*rand(2,1)-1; %初始领导者2速度向量 qqr1=zeros(2,loop); %每个时间段领导者的位置向量 ppr1=zeros(2,loop); %每个时间段领导者的速度向量 qqr2=zeros(2,loop); %每个时间段领导者的位置向量 ppr2=zeros(2,loop); %每个时间段领导者的速度向量 qq=zeros(2,n,loop); %每个时间段的位置向量 pp=zeros(2,n,loop); %每个时间段的速度向量

c均值聚类算法matlab代码 iqm代表反向量化的k均值（IQ-means），并实现了一种用于快速近似聚类的方法。 执照 iqm拥有2句BSD许可证。 请参阅文件以获取完整的许可证文本。 目录结构 iqm主要由Matlab .m文件组成，但还包括许多.cpp文件，这些文件被编译为mex文件以与Matlab接口。 目录结构为： /anim animation of algorithm iterations on 2D example /config project configuration, including datasets, paths etc. /disp text/graphical display /lib generic utilities library /quant full set of learning, encoding, inversion and search methods /sub underlying code handling subspaces /test main test entry points /util specific utiliti

多目标进化算法matlab代码sy-e 从原始存储库分叉 SyR-e 是一种 Matlab/Octave 代码，用于通过有限元分析和多目标优化算法设计同步磁阻电机。 它需要安装 Matlab/Octave 和 FEMM 软件。 推荐的 FEMM 版本是 2013 年 11 月 15 日发布的 4.2。Matlab/Octave 脚本将同步磁阻电机的参数化绘图实现为 .fem 文件，由 FEMM 软件进行分析。 在对机器进行有限元分析 (FEA) 后，将主要结果传递给 Matlab/Octave。 这既可用于借助多目标优化算法进行设计优化，也可用于后处理阶段的机器详细分析。 特性 同步磁阻电机的自动化设计 多目标差分演化 FEMM 和 XFEMM 支持 兼容 Matlab/Octave 语言 多核 PC 上的并行计算 跨平台 (Win/Linux) 功能