- 博客(28)
- 收藏
- 关注
RSS订阅原创 研究与设计分析作业（6）
{ "cells": [ { "cell_type": "code", "execution_count": 31, "metadata": {}, "outputs": [], "source": [ "1. Write a Python program to read 5 random lines from file A and then write them to file B. " ] }, { "cell_type": "code",
2020-10-22 11:43:16
458
原创 研究与设计分析作业（5）
{ "cells": [ { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "please provide a number:6\n", "True\n" ] } ], "sourc
2020-10-22 11:42:45
263
原创 研究与设计分析作业（4）
{ "cells": [ { "cell_type": "code", "execution_count": 38, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "{'BS20-0010': {'Final Mark': '77',\n", " '中文姓名': '志偉
2020-10-22 11:42:15
159
原创 研究与设计分析作业（3）
{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Provide a word to search for vowels:aeiou\n", "a was found 1 time(s
2020-10-22 11:41:36
246
原创 研究与设计分析作业（2）
```python{ "cells": [ { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Use it!\n" ] } ], "source": [ "phrase=\"Let.
2020-10-10 11:51:11
160
原创 研究设计与分析作业（1）
{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "请输入一段英文:asdasdasdas\n", "不是回文序列\n", "1001,1008,1015,1022,1029
2020-09-28 22:15:24
496
原创 基于BP的强分类器设计
基于BP_Adaboost的强分类器设计1.基于BP_Adaboost的强预测器预测%% 清空环境变量clcclear%% 下载数据load data1 input output%% 权重初始化k=rand(1,2000);[m,n]=sort(k);%训练样本input_train=input(n(1:1900),:)';output_train=output(n(1:1900),:)';%测试样本input_test=input(n(1901:2000),:)';o
2020-08-03 19:40:40
384
1
原创 离散Hopfield神经网络的联想记忆——数字识别
离散Hopfield神经网络的联想记忆——数字识别%% 清空环境变量clear allclc%% 数据导入load data1 array_oneload data2 array_two%% 训练样本（目标向量） T = [array_one;array_two]'; %% 创建网络 net = newhop(T); %% 数字1和2的带噪声数字点阵（固定法）load data1_noisy noisy_array_oneload data2_noisy noisy_arr
2020-07-28 20:16:21
2115
1
原创 安装Pygame笔记
安装Pygame笔记1. 还原点将现有代码与能够运行的代码进行比较：应首先尝试这样做。查看当前的代码，并将其与相应的还原点进行比较。在此过程中，也许能够确定哪些代码不同，进而校正现有代码。从还原点重新开始：如果要从能够运行的代码开始，可复制还原点，并从这里开始。例如，如果要从发射子弹的可工作版本开始，可复制pcc/chapter_12/restore_points/restore_point_2_fires_bullets/中的文件和目录，并从这里开始。这项目有三个还原点：（1）飞船移动，即12.
2020-07-20 19:33:44
115
原创 虚拟环境的创建之后续篇
创建虚拟环境要使用Django，最好先建立一个虚拟环境。虚拟环境是系统中的一个位置，可在其中安装供特定项目使用的包，并将这些包与系统的其他部分隔离。通过使用这种方法，系统中可有很多项目，同时不用担心这些项目的包相互干扰。每个项目都可根据需要拥有特定版本的包，可更新任何项目的包，而不影响其他项目。要为“学习笔记”搭建虚拟环境，务必先在系统中创建一个空文件夹，并将其命名为learning_log。如果使用的是Python 3，可使用如下命令来建立虚拟环境：learning_log$ python -m
2020-07-18 21:43:55
283
原创 BP神经网络的非线性系统建模
BP神经网络的非线性系统建模1.BP神经网络的非线性系统建模%% 清空环境变量clcclear%% 训练数据预测数据提取及归一化%下载输入输出数据load data input output%从1到2000间随机排序k=rand(1,2000);[m,n]=sort(k);%找出训练数据和预测数据input_train=input(n(1:1900),:)';output_train=output(n(1:1900));input_test=input(n(1901:200
2020-07-17 22:19:47
1323
原创 Evolutionary Multi-Objective Optimization Platform
I. Release NotesThe architecture of PlatEMO is simplified, which leads to lower learning cost and higher efficiency. The result file size is also reduced. cd(fileparts(mfilename('fullpath'))); addpath(genpath(cd)); if isempty(varargin) i
2020-07-16 21:46:24
372
原创 极限学习机在回归拟合及分类问题中的应用研究——对比实验
极限学习机在回归拟合及分类问题中的应用研究——对比实验1.极限学习机在分类问题中的应用研究%% 清空环境变量clear allclcwarning off%% 导入数据load data.mat% 随机产生训练集/测试集a = randperm(569);Train = data(a(1:500),:);Test = data(a(501:end),:);% 训练数据P_train = Train(:,3:end)';T_train = Train(:,2)';% 测试数据
2020-07-15 21:47:03
1100
4
原创 RBF网络的回归--非线性函数回归的实现
RBF网络的回归–非线性函数回归的实现首先通过严格径向基网络来实现非线性的函数回归，然后利用RBF网络对同一函数拟合。可以看出拟合效果还是非常不错的。%% 清空环境变量clcclear%% 产生训练样本（训练输入，训练输出）% ld为样本例数ld=400; % 产生2*ld的矩阵 x=rand(2,ld); % 将x转换到[-1.5 1.5]之间x=(x-0.5)*1.5*2; % x的第一行为x1，第二行为x2.x1=x(1,:);x2=x(2,:);% 计算网络输出
2020-07-14 21:01:08
1509
原创 基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选
基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选%% 清空环境变量clcclear%% 产生输入 输出数据% 设置步长interval=0.01;% 产生x1 x2x1=-1.5:interval:1.5;x2=-1.5:interval:1.5;% 产生x3 x4（噪声）x=rand(1,301);x3=(x-0.5)*1.5*2;x4=(x-0.5)*1.5*2;% 按照函数先求得相应的函数值，作为网络的输出。F =20+x1.^2-10*cos(2*
2020-07-13 22:24:16
4012
6
原创 Realization of customized neural network---personal modeling and simulation of neural network
定制神经网络的实现——神经网络的个性化建模与仿真%% 清空环境变量clear allclcwarning off%% 建立一个“空”神经网络net = network%% 输入与网络层数定义 net.numInputs = 2;net.numLayers = 3;%% 使用view(net)观察神经网络结构。view(net)% 此时神经网络有两个输入，三个神经元层。但请注意：net.numInputs设置的是% 神经网络的输入个数，每个输入的维数是由net.inputs{i}
2020-07-12 22:32:58
218
原创 Python 程序设计搞心态题目集锦（PTA平台）
浙大版《Python 程序设计》搞心态题目集锦（NO.2）1.请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。输入格式:输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。输出格式:在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如
2020-07-08 16:28:19
1096
原创 Python 程序设计搞心态题目集锦（PTA平台）
浙大版《Python 程序设计》搞心态题目集锦（NO.1）（1）.为了提倡居民节约用电，某省电力公司执行“阶梯电价”，安装一户一表的居民用户电价分为两个“阶梯”：月用电量50千瓦时（含50千瓦时）以内的，电价为0.53元/千瓦时；超过50千瓦时的，超出部分的用电量，电价上调0.05元/千瓦时。请编写程序计算电费。输入格式:输入在一行中给出某用户的月用电量（单位：千瓦时）。输出格式:在一行中输出该用户应支付的电费（元），结果保留两位小数，格式如：“cost = 应付电费值”；若用电量小于0，则输出"
2020-07-07 16:41:57
308
1
原创 曾经关于Python学习过程中的一次崭新尝试
这是大半年前在某家数据科技公司实习用来练手的一个小项目，其中包含Python数据预处理、分析和画像等内容，涉及面比较广，那时刚刚从零起步，前后大概花了一个星期多的时间，才最终形成一个分析报告。算是Python学习的一个分界点，包含理论和实践在内，比较系统地学习到了有关知识，代码和报告我都已经上传到GitHub上了，有兴趣的可以去下载看看，当然，现在回头看，有待提升的地方确实有很多，不过我也说过了，CSDN的博客主要是想记录一下我目前的学习进度（当然这部分还没开始记录）和回溯一下之前我觉得还蛮有意思的过程（目
2020-07-06 20:14:04
137
原创 基于灰色神经网络的订单需求预测算法研究
基于灰色神经网络的订单需求预测算法研究这灰色神经网络准确度就尼玛离谱，调试了半天还是那样，太菜了太菜了。%% 清空环境变量clcclearload data%% 数据累加作为网络输入[n,m]=size(X);for i=1:n y(i,1)=sum(X(1:i,1)); y(i,2)=sum(X(1:i,2)); y(i,3)=sum(X(1:i,3)); y(i,4)=sum(X(1:i,4)); y(i,5)=sum(X(1:i,5));
2020-07-06 15:35:10
1372
9
原创 小波神经网络的时间序列预测——关于短时交通流量的预测
小波神经网络的时间序列预测——关于短时交通流量的预测需要注意的是这里需要两个子程序函数的调用。总体而言程序不算复杂，也少有互相嵌套的情况出现，下一步应该往提高准确率的方向进行改进，进一步提高程序的可应用性和可操作性，此外，还可以尝试一下大规模短时间的交通流量预测，应当可以对车辆路径优化问题以及车货配载等问题提供一定的数据支持。clcclear%% 网络参数配置load traffic_flux input output input_test output_testM=size(input,2
2020-07-05 21:02:33
3394
9
原创 matplotlib绘图的简单应用
1.散点图from matplotlib import pyplot as plt# 定义数据。x_values = [1, 2, 3, 4, 5]cubes = [1, 8, 27, 64, 125]# 绘制图形。plt.scatter(x_values, cubes, edgecolor='none', s=40)# 定制图形。plt.title("Cubes", fontsize=24)plt.xlabel('Value', fontsize=14)plt.ylabel('C
2020-07-05 13:56:41
95
原创 插值与拟合简单应用
一维插值步骤1.输入已知数据2.输入待插自变量的值x=1:12;y=[6 8 10 15 26 81 51 50 22 23 25 34];x1=1:0.1:12;t=interp1(x,y,x1,'spline');%plot(x1,t,'r:') xlabel('x'),ylabel('y')二维插值步骤1.首先输入X、Y坐标值2.输入Z的数据3.输入待插入点的x,y坐标4.然后进行函数插值x=1:5;y=1:3;temps=[77 51 60 52 44;59 83
2020-07-04 21:36:45
877
原创 连续Hopfield神经网络的优化——旅行商问题优化计算
连续Hopfield神经网络的优化——旅行商问题优化计算%% 清空环境变量、定义全局变量clear allclcglobal A D%% 导入城市位置load city_location%% 计算相互城市间距离distance = dist(citys,citys');%% 初始化网络N = size(citys,1);A = 200;D = 100;U0 = 0.1;step = 0.0001;delta = 2 * rand(N,N) - 1;U = U0 * lo
2020-07-03 19:55:55
3461
11
原创 GRNN网络的预测----基于广义回归神经网络的货运量预测
GRNN网络的预测----基于广义回归神经网络的货运量预测程序分为使用交叉验证的GRNN神经网络预测程序（前者）、BP和GRNN效果比较程序（后者）注意：由于是比较两种网络结果，需要先运行前者后运行后者，以保证两网络使用了相同的数据进行训练。%清空环境变量clc;clear allclose allnntwarn off;%载入数据load data;% 将数据分成训练和预测两类p_train=p(1:12,:);t_train=t(1:12,:);p_test=p(13,:)
2020-07-02 23:15:58
2052
3
原创 三种常用算法初步编程示意
bal ball了，编了几小时，点个赞⑧。以下都是算法的基本应用，具体到某个场景，可以通过更改目标函数、约束条件等实现，若是有更新奇的想法，可以在编码方式，算子运行机制、约束条件、接收恶劣解等中进行改进，但更普遍的是更改算法参数，也就是所谓的调参，来进行算法的优化。1.遗传算法clear allpopsize=20; %群体大小chromlength=10; %字符串长度（个体长度）pc=0.6; %交叉概率pm=0.001; %变异概率pop=initpop(popsize,chroml
2020-07-01 20:07:00
717
原创 MATLAB仿真及其简单应用
聚类分析作为一种常用方法，其主要流程分为以下几步。1.将数据展示在面板上% 随机生成5个中心以及标准差s = rng(5,'v5normal');zhong = round((rand(5,2)-0.5)*40);yi= round(rand(5,2)*30)/6;X = [mvnrnd(mu(1,:),sigma(1,:),200);mvnrnd(mu(2,:),sigma(2,:),300);mvnrnd(mu(3,:),sigma(3,:),400)];mvnrnd(mu(4,:),
2020-06-30 20:40:11
2601
原创 Python 从入门到放弃到坚持到努力
#练习题Python循环练习-比萨之约4-1 比萨想出至少三种你喜欢的比萨，将其名称存储在一个列表中，再使用for循环将每种比萨的名称都打印出来。 修改这个for循环，使其打印包含比萨名称的句子，而不仅仅是比萨的名称。对于每种比萨，都显示一行输出，如“I like pepperoni pizza”。 在程序末尾添加一行代码，它不在for循环中，指出你有多喜欢比萨。输出应包含针对每种比萨的消息，还有一个总结性句子，如“I really love pizza！”。#warning：比萨名字
2020-06-29 22:02:58
302
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人