《视觉机器学习20讲》——谢剑斌

第19讲 遗传算法(Genetic Algorithm)

第20讲 蚁群算法(AntColony Algorithm)

实验仿真源代码下载

www.kedachang.com或http://pan.baidu.com/s/1c051viS

除了书本自带的仿真demo，另外还一些实例

js

遗传算法的JS实现

https://github.com/bz51/GeneticAlgorithm

蚁群算法的JS实现

https://github.com/bz51/AntColonyAlgorithm

Applying Genetic Algorithm to Travelling Salesman Problem experiment http://parano.github.io/GeneticAlgorithm-TSP/

https://github.com/parano/GeneticAlgorithm-TSP

python

source code from the book Genetic Algorithms with Python by Clinton Sheppard

https://github.com/handcraftsman/GeneticAlgorithmsWithPython

Flappy-Bird

https://github.com/ssusnic/Machine-Learning-Flappy-Bird

https://github.com/erilyth/Flappy-Bird-Genetic-Algorithms

 

原文地址：https://www.cnblogs.com/dong1/p/10727261.html

时间： 2024-10-10 01:34:13

《视觉机器学习20讲》——谢剑斌的相关文章

视觉机器学习------K-means算法

K-means(K均值)是基于数据划分的无监督聚类算法. 一.基本原理       聚类算法可以理解为无监督的分类方法,即样本集预先不知所属类别或标签,需要根据样本之间的距离或相似程度自动进行分类.聚类算法可以分为基于划分的方法.基于联通性的方法.基于概率分布模型的方法等,K-means属于基于划分的聚类方法. 基于划分的方法是将样本集组成的矢量空间划分为多个区域{Si}i=1k,每个区域都存在一个区域相关的表示{ci}i=1k,通常称为区域中心.对于每个样本,可以建立一种样本到区域中心的映射q

jQuery EasyUI入门视频教程【20讲】

jQuery EasyUI入门视频教程[20讲] jQuery EasyUI是一组基于jQuery的UI插件集合,而jQuery EasyUI的目标就是帮助web开发者更轻松的打造出功能丰富并且美观的UI界面.非职业讲师孙宇讲授,全20讲.

视觉机器学习笔记------CNN学习

卷积神经网络是第一个被成功训练的多层神经网络结构,具有较强的容错.自学习及并行处理能力. 一.基本原理 1.CNN算法思想 卷积神经网络可以看作为前馈网络的特例,主要在网络结构上对前馈网络进行简化和改进,从理论上讲,反向传播算法可以用于训练卷积神经网络.卷积神经网络被广泛用于语音识别和图像分类等问题. 2.CNN网络结构 卷积神经网络是一种多层前馈网络,每层由多个二维平面组成.每个平面由多个神经元组成. 网络输入为二维视觉模式,作为网络中间层的卷积层(C)和抽样层(S)交替出现.网络输出层为前馈

Stanford机器学习---第九讲. 聚类

本栏目(Machine learning)包括单参数的线性回归.多参数的线性回归.Octave Tutorial.Logistic Regression.Regularization.神经网络.机器学习系统设计.SVM(Support Vector Machines 支持向量机).聚类.降维.异常检测.大规模机器学习等章节.内容大多来自Standford公开课machine learning中Andrew老师的讲解和其他书籍的借鉴.(https://class.coursera.org/ml/c

Stanford机器学习---第二讲. 多变量线性回归 Linear Regression with multiple variable

原文:http://blog.csdn.net/abcjennifer/article/details/7700772 本栏目(Machine learning)包括单参数的线性回归.多参数的线性回归.Octave Tutorial.Logistic Regression.Regularization.神经网络.机器学习系统设计.SVM(Support Vector Machines 支持向量机).聚类.降维.异常检测.大规模机器学习等章节.所有内容均来自Standford公开课machine

视觉机器学习读书笔记--------BP学习

反向传播算法(Back-Propagtion Algorithm)即BP学习属于监督式学习算法,是非常重要的一种人工神经网络学习方法,常被用来训练前馈型多层感知器神经网络. 一.BP学习原理 1.前馈型神经网络 是指网络在处理信息时,信息只能由输入层进入网络,随后逐层向前进行传递,一直到输出层,网络中不存在环路:前馈神经网络是神经网络中的典型分层结构,根据前馈网络中神经元转移函数.网络层数.各层基本单元数目以及权重调整方式的不同,可以形成不同功能特点的神经网络.前馈型神经网络由输入层.中间层(隐

第3章（第20讲） 示例20—全景图完整示例

分类:C#.Android.百度地图应用: 日期:2016-02-04 一.简介 1.展示全景图的方式 有以下展示全景图的办法: (1)利用地理坐标展示全景图. (2)利用全景图ID展示全景图. (3)利用墨卡托坐标展示全景图. (4)利用地图POI ID展示全景图. 通过以上方式,就可以使用百度提供的全景图展示服务了. 2.坐标转换 为了更方便的获取全景图,SDK还提供了坐标转化工具,利用CoordinateConverter 工具中的方法可以很方便进行坐标转换. 3.全景图控制 用户可以利用

视觉机器学习读书笔记--------SVM方法

SVM是一种有监督的统计学习方法,能够最小化经验误差和最大化几何边缘,被称为最大间隔分类器,可用于分类和回归分析. 一.基本原理 SVM是一个机器学习的过程,在高维空间中寻找一个分类超平面,将不同类别的数据样本点分开,使不同类别的点之间的间隔最大,该分类超平面即为最大间隔超平面,对应的分类器称为最大间隔分类器,对于二分类问题,下图可描述SVM的空间特征. 假设数据样本为x1,x2,...,xn,分类超平面可表示为:wTx-b=0.其中x为分类超平面上的点:w为垂直于分类超平面的向量:b为位移量,

机器学习 第九讲：Support Vector Machines 3

Optimal margin classifiers 前面我们讲过,对如下的原始的优化问题我们希望找到一个优化的边界分类器. minγ,w,bs.t.12∥w∥2y(i)(wTx(i)+b)?1,i=1,...m 我们可以将约束条件改写成如下: gi(w)=?y(i)(wTx(i)+b)+1?0 对于每一个训练样本,我们都有这样一个约束条件,而且从KKT条件我们知道,只有当训练样本的函数边界为1时,该训练样本的αi>0,我们看如下的一张图,其中的实线表示最大的边界分界线. 从图上可以看出,离分界