搜索资源列表
predict
- 模拟人的思维特点,提出一种新型智能控制器:仿人逻辑预测控制器. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用.-Simulation of the characteristics of people' s
TimeSeriesPredictionUsingSupportVectorRegressionNe
- 为了选择神经网络的最好结构以及增强模型的推广能力，提出一种自适应支持向量回归神经网络(SVR—NN)。SVR—NN 用支持向量回归(SVR)方法获得网络的初始结构和权值， 白适应地生 成网络隐层结点，然后用基于退火过程的鲁棒学习算法更新网络结点疹教和权 主。 SVR—NN有很 好的收敛性和鲁棒性，能抑制由于数据异常和参数选择不当所导致的“过拟合，’现象。将SVR—NN 应用到时间序列预测上。结果表明，SVR．NN预测模型能精确地预测混沌时间序列，具有很好的 理论和应用价值。-Ab
szzs
- 支持向量机对上证指数历史数据进行学习，预测未来一段时间的大致趋势，仅供参考。-Support vector machine right on the Shanghai Composite Index historical data to learn to predict the general trend in the coming period for reference purposes only.
predict
- 在MATLAB里，用BP神经网络和GM(1,1)灰色模型实现预测功能-In MATLAB, using BP neural network and GM (1,1) Grey forecasting model to achieve functional
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
BP神经网络的非线性系统建模——非线性函数拟合
- 在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方 法准确建模。在这种情况下，可以建立 BP 神经网络表达这些非线性系统。该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练 BP 神经网络，使网络能够表达该未知函数，然后用训练好的 BP 神经网络预测系统输出 。(In engineering applications, some complicated nonlinear systems are often encountered. The equations
基于MATLAB的股票指数预测算法仿真
- 这个是基于MATLAB的股票指数预测算法仿真，里边含有实例和coding(This is a MATLAB based simulation of the stock index prediction algorithm, which contains an instance and a coding)
经济预测方法及matlab实现教学配套课件
- 干预模型预测法及matlab实现教学配套课件，里边含有模型的讲解和案例(Intervention model prediction method and MATLAB teaching courseware, including the explanation and case of model)