ニューラルネットワークのカラーボール宝くじを学ぶ深さの人工知能の応用
カラーボール宝くじにインターネットの人工ニューラルネットワーク（ニューラルネットワーク）アプリケーションがすでに予測にカラーボールで使用される最近の火災AlphaGoを比較するために、より多くの研究論文や情報の深さの調査を持って、何の書類がない、後に研究結果が出てきますプログレッシブ更新されます。
人工ニューラルネットワークは何ですか？
ニューラルネットワークの利点は、あなたが自分自身を修正することができ、あなたがあなた自身のノードを生成することができるということです、間違った入力はまた、あなたは正しい結果に近い出力を与えることができます。
それはスマートと呼ばれている理由です、彼は自動的に人間の脳は進化として考えではなく、単にコマンドを実行すると、状況に応じて学習します。
一般的フィルタリングアルゴリズムはインラインで実行され、Iは直接書き込ま論理アルゴリズムに従って出力を与える入力に応じて、自動的なエラー訂正、エラー耐性比較差はありません。
あなたは人工知能を考えることができ、結果だけでなく、自己学習、新しい法律の発見、よりインテリジェントな、より簡単に超強力なコンピューティングを考えていた、学ぶための脳の能力、大量のデータを処理することができ、複雑なアルゴリズムあなたは正確なデータが欲しいものを描くことがますますでき。現在、学習+ビッグデータの一般的な方法の深さの比。
以下は、関連する情報や調査のコースへのリンクです（PDF形式の詳細についてはすることができますQQグループ：ダウンロード内の2（376642842）クラスタファイルを購入するために一緒にカラーボール予測）：
予測とカラーボール宝くじにBPニューラルネットワークの実験的な実現 - ブルースターポールシールド - ブログチャンネル - CSDN.NET
http://blog.csdn.net/supperman_009/article/details/40623503
データ抽選予測アルゴリズム（A）：C＃コードを達成するために、離散マルコフ連鎖モデル[取り付け] - asxinyu -ブログパーク
http://www.cnblogs.com/asxinyu/p/3532076.html
ニューラルネットワークプログラミングのエントリ- Cangwu -ブログパーク
http://www.cnblogs.com/heaad/archive/2011/03/07/1976443.html
達成するためPythonとランダムフォレストアルゴリズムの概要- CSDN.NET - lo_cimaさんのブログ-ブログチャンネル
http://blog.csdn.net/lo_cima/article/details/50533010
========================================
--BP機械学習、ニューラルネットワークモデル- NIeson2012コラム-ブログチャンネル- csdn.net
http://blog.csdn.net/NIeson2012/article/details/51253018
スタンフォード大学の公共コース：機械学習ビデオコース（20時間の合計）は_オンライントレーニングコース_51CTO学校は
http://edu.51cto.com/index.php?do=course&m=index&course_id=156
この無料、アンドリュー・ウは語りました
カリフォルニア工科大学のオープンクラス：機械学習とデータマイニング_ 18のフルセット_網易オープンクラス
http://v.163.com/special/opencourse/learningfromdata.html
========================================
実用的なビデオカリキュラムコースの深さの学習の原則（合計3コース）_オンライントレーニングコース_51CTO学校
http://edu.51cto.com/pack/view/id-726.html
深い学習アルゴリズムトップ紙詳細なビデオコース（16の合計時間）_オンライントレーニングコース_51CTO大学
http://edu.51cto.com/course/course_id-7254.html
注：上記の2つのコースを有料で、自由なルックのセクションがあります
========================================
Encogは、高度なアルゴリズムの様々なだけでなく、サポートクラスの正規化と処理データをサポートし、高度な機械学習フレームワークです。このようサポートベクターマシン、ニューラルネットワーク、ベイジアンネットワーク、隠れマルコフモデル、遺伝的プログラミングや遺伝的アルゴリズムなどの機械学習アルゴリズム。そのスタンドアローンのマルチスレッドとマルチコアハードウェア規模ので、ほとんどのEncogトレーニング。Encog処理時間を加速するためのGPUを促進することができます。また、それは、モデルのトレーニングを支援するGUIベースのワークベンチと機械学習アルゴリズムを提供しています。Encog 2008年以来、それは活発に開発されてきました。
http://www.heatonresearch.com/encog/
シーナのブログ_nizhonglian_アリコロニーアルゴリズム、粒子群最適化の利点と欠点
http://blog.sina.com.cn/s/blog_6d8f1b9301015sut.html
Antのコロニーアルゴリズム（ACO）は、自然アリ採餌行動に触発され、それは、群知能の最適化アルゴリズムです。それは、本当のアリコロニー、シミュレートされた本物のアリコロニーコラボレーティブプロセスの集団採餌行動の性質の研究に基づいています。
アリアルゴリズムは、このような最適化の目的を達成するため、液路素子に従来と情報交換を通じて液の品質を向上させるために、いくつかの一般的なソリューション路構成から成ります。一般的な確率的最適化手法として、Antのコロニーアルゴリズムが正常にTSPのような組合せ最適化問題の系列に適用し、良い結果を達成されています。
「定量的投資：MATLABのツールとして」
43ケーススタディMATLABニューラルネットワーク、まだ上記のこの本は、カラーボールの研究が役立つはず
http://www.matlabsky.com/forum-105-1.htmlを
人々は法律の多くを見つけることができますが、彼は、コンピューティング、高速にクロックの周りにできる機械で計算統計強制していない
非常に強力なと一緒にコンピュータの計算能力とメモリと結合されたコンピュータに、人の思考内容の入力を、
ビッグデータを処理するための機械持っているが自然の利点が、数学的モデルが正しくなければならない
利点の深学習とニューラルネットワークは、あなたが、あなた自身のノードを生成することができ、自分自身を修正することができるということですが、間違った入力も正しい結果に近いあなたに出力を与えることができます
上637766173 QQグループディスカッションを追加することができます興味がある「カラーボールソフトウェアグループを選択します。」