”BP.m“文件是BP神经网络整个模型的源程序； “train.fig”是训练时最后得到的图片； “程序运行的人口数量原始数据.fig”是预测结果绘制的图； “程序运行时matlab命令窗口的内容.txt”是运行程序是在matlab命令窗口显示的东西； “程序运行完产生的数据.mat”是程序运行完毕产生的数据。 .bmp文件和.fig文件一样

matlab补偿模糊神经网络源代码 本文中有两个函数m文件：model126.m是一个用于预测的完全没有用工具箱函数的补偿模糊神经网络主程序，用于仿真、对比训练数据和网络输出的差异；cb.m是一个非线性系统的数学模型，在model126.m中用“ode45”函数求解这个数学模型后，可以得到105个x1(t)、x2(t)和y(t)，从而建立起一个两输入一输出的补偿模糊神经网络。(There are two function m file in this paper: model126.m is

上篇介绍数学建模中常规方法的matlab实现，包括matlab交互、数据建模、程序绘图、灰色预测、规划模型等方法；还介绍了各种高级方法的matlab实现，包括遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、动态仿真、数值模拟等。下篇以真实的数学建模赛题为案例，介绍了如何用matlab求解实际的数学建模问题，给出了详细的建模过程和程序(The introduction of conventional methods of mathematical modeling in matlab

Elman神经网络建立建筑物电力负荷预测模型中遇到的几个关键问题有，数据归一化处理、输入输出样本的选取、隐含层节点数的确定；分别建立Elman神经网络模型，并利用某栋建筑物实际历史电力负载数据进行预测，分析比较与实际数据值的预测精度，得出了一个有效的数据预测模型。(Several key problems encountered in building power load forecasting model based on Elman neural network are data norm