搜索资源列表
netway-2
- 网格二分法求函数极值问题，通过不断的分格逼近，取得近似值-Grid dichotomy demand function extremum problem, through the constant sub-grid approximation to obtain approximate
Use-CMAC
- 用CMAC网络对正弦函数sin（x）进行逼近-Use CMAC network to sin sine function (x) approach
插值方法
- 插值算法：插值方法包括：（1）线性插值（2）抛物插值（3）拉格朗日插值。三种方法都是利用离散的数据近似模拟曲线函数走向，从而给出指定离散点对应的函数值。选用不同类型的插值函数，逼近的效果不同，线性插值需要根据给定的两个点，抛物插值需要给定三个点，一般形式则通过拉格朗日插值来求解(Interpolation algorithms: interpolation methods include: (1) linear interpolation (2) parabolic interpolation
曲线拟合
- 曲线拟合：通过给定的一组二维坐标点，利用线性代数中矩阵求逆的知识，从这些数据中找出规律性，预测原函数f（x)的表达式，以消除所给数据的局部波动。一次拟合出来的函数图像是直线，二次拟合出来的图像是抛物线。两者相比，二次拟合逼近程度更高。(curve fitting through a given set of two-dimensional coordinates, using the inverse matrix in linear algebra knowledge, find out the
bpsuanfa
- 使用MATLAB工具箱逼近函数，其实也是比较简单的一种方法(Approximation function using MATLAB toolbox)
ML-KELM1.0
- 多核极限学习器，是一种前馈神经网络，能逼近任意连续目标函数或分类任务重的任何复杂决策边界(Multi-kernel limit learner is a feedforward neural network, which can approach any complex decision boundary of any continuous objective function or classification task)