搜索资源列表
support-vector-machine
- 支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助-Universal non-linear regression support vector machine matlab program, this program uses support vector machine method to achieve non-linear regression of data
Matlab_BP
- 于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。-BP network weights optimization is a constrained optimization problem, and the right value to real-coded, so the direct use of the Matl
chapter7_2
- RBF网络的回归-非线性函数回归的实现 -The return of the RBF network- nonlinear function return
ZCXLJ
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合-Support vector machines and BP neural network can be used for non-linear regression f
rbf
- rbf网络非线性的研究，RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接（即不需要通过权连接）映射到隐空间。基于神经网络的非线性回归系统,就是应用神经网络能逼近任意非线性函数这一特性而设计的。用于非线性函数逼近的前向神经网络主要有两种:BP 网络和RBF 网络。基于BP 网络的非线性函数逼近虽然在理论上是可行的,-Research rbf network nonlinear
Elman
- Elman神经网络：Elman网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的, 它是一种典型的局部回归网络( global feed for ward l ocal recurrent)。Elman网络可以看作是一个具有局部记忆单元和局部反馈连接的前向神经网络。Elman网络具有与多层前向网络相似的多层结构。它的主要结构是前馈连接, 包括输入层、 隐含层、 输出层, 其连接权可以进行学习修正 反馈连接由一组“结构 ” 单元构成,用来记忆前一时刻的输出值, 其连接权值是固
jingpeng_v32
- 包括广义互相关函数GCC时延估计，包括回归分析和概率统计，利用最小二乘法进行拟合多元非线性方程。- Including the generalized cross-correlation function GCC time delay estimation, Including regression analysis and probability and statistics, Multivariate least squares fitting method of nonlinear equ
wnetreg
- 静态非线性回归小波神经网络创建函数的源码-Static non-linear regression wavelet neural network source code to create a function
案例7
- RBF神经网络的回归，实例为非线性函数拟合。(RBF neural network regression, nonlinear function fitting)