SPO_BPNN_PID：基于粒子群优化的神经网络PID控制

神经网络算法(Nerual Networks)应用

Nerual Network Design (2nd Edition) Content Ch 2 Neuron Model and Network Architectures Ch 3 An Illustrative Example Ch 4 Perceptron Learning Rule Ch 5 Signal and Weight Vector Spaces Ch 6 Linear Transformations for Neural Networks Ch 7 Supervised Hebbian Learning Ch 8 Performance Surfaces and Optimum Points Ch 9 Performance Optimization Ch 10 Widrow-Hoff Learning Ch 11 Backpropagation Ch 12 Variations on Backpropagation Ch 13 Generalization Ch 14 Dynamic Networks Ch 15 Associative Learning Ch 16 Competitive Networks Ch 17 Radial Basis Networks Ch 18 Grossberg Network Ch 19 Adaptive Resonance Theory Ch 20 Stability Ch 21 Hopfield Network Ch 22 Practical Training Issues Ch 23 Case Study 1:Function Approximation Ch 24 Case Study 2:Probability Estimation Ch 25 Case Study 3:Pattern Recognition Ch 26 Case Study 4: Clustering Ch 27 Case Study 5: Prediction

此项目使用Python2.7+TensorFlow 1.4编写，环境太过古老，可能无法正常运行起来。 如有需要，请移步我使用Python 3.7 + TensorFlow 2.0重写的版本： 使用VGG19迁移学习实现图像风格迁移 这是一个使用预训练的VGG19网络完成图片风格迁移的项目，使用的语言为python，框架为tensorflow。 给定一张风格图片A和内容图片B，能够生成具备A图片风格和B图片内容的图片C。 下面给出两个示例，风格图片都使用梵高的星夜： 示例1： 网络上找到的一张风景图片。 内容图片： 生成图片： 示例2： 嗷嗷嗷，狼人嚎叫～ 内容图片： 生成图片： 更多详情请移步博客 快速开始 1.下载预训练的vgg网络，并放入到项目的根目录中 模型有500M+，故没有放到GitHub上，有需要请自行下载。 下载地址： 2.选定风格图片和内容图片，放入项目根目录下的image