搜索资源列表
lys10.m
- 基于回归法进行负荷预测的ＭＡＴＬＡＢ程序，用与峰峰值负荷预测-based on regression forecast load MATLAB program, and the peak load forecast
长江水质的评价与预测
- 高教社杯2006年A题长江水质评价与预测
基于BP神经网络的厦门楼盘走势预测
- 本文基于BP神经网络应用于预测的原理，提出预测步骤及预测可行性，探讨建立基于BP神经网络的预测模型的关键技术，包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权值和阈值的选取、激活函数、训练算法与参数的选取，最后建立合理的网络模型；结合住宅市场的实际情况，建立两类BP 神经网络预测模型：基于时间序列的趋势预测模型以及基于影响因素的回归预测模型，即分别采用神经网络趋势预测和回归预测的思路，把住宅市场的供给、需求与房价的历年数据以及其影响因素的数据分别作为学习样本，建立预测模型，
xianzhuxingjianyan
- 文章介绍了我们常用的预测方法中的回归分析方法的显著性检验的相关知识-Knowledge of the significance test article describes our prediction method of regression analysis method
Time-Series-and-white-noise
- 时间序列应用实例:时间序列分解，一次直线回归于预测检验-Application examples of the time series: time series decomposition, a linear regression prediction test
LIBSVM-to-do-regression-prediction
- LIBSVM做回归预测 怎么用libsvm来做预测-The LIBSVM doing regression forecast predict how libsvm do
regress-and-predict
- 基于svm的一维信号的回归预测，精确度优于传统的神经网络方法-The one-dimensional signal based svm regression prediction accuracy is better than traditional neural network method
支持向量机非线性回归通用MATLAB源码
- 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，GreenSim团队推荐您使用。
the-maximum-likelihood-estimate
- 1、 极大似然估计 尝试用0~24阶多项式拟合，并用5折交叉验证选择最佳模型（多项式阶数及其系数，给出类似课件中的图），并画出最佳模型的拟合效果图（类似图1，蓝色点为训练样本、红色点为测试样本、绿色线为模型预测），给出该模型的测试误差。 2、 岭回归 多项式阶数为24，正则系数λ的取值范围为exp(-19)到exp(20)，采用并用5折交叉验证选择最佳模型。实验结果要求同1。 -1, the maximum likelihood estimate of 0 to 24 try-o
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
Weighted-HMM-AR-model
- 一种基于加权隐马尔可夫的自回归状态预测模型-Based on weighted HMM state autoregression prediction model
short-term-electrical-load
- 电力负荷预测，多变量时间序列线性回归预测方法-the research of local linear model of short-term electrical load on multivariate time series
math-modeling
- matlab建模用书，包含常用的微分方程、差分方程、灰色预测、线性回归等方法。-matlab modeling books, including common differential equations, differential equations, prediction, linear regression methods.
chapter8
- GRNN的数据预测-基于广义回归神经网络的货运量预测-Prediction of GRNN data based on generalized regression neural network
bai-V3.2
- 可直接计算得到多重分形谱,可以实现模式识别领域的数据的分类及回归，可以广泛的应用于数据预测及数据分析。- It can be directly calculated multi-fractal spectrum, You can achieve data classification and regression pattern recognition, Can be widely used in data analysis and forecast data.
ELM-(1)
- 极限学习机的源代码,主要是描述用于回归分析的极限学习，可以快速的实现大数据的预测-Extreme learning machine source code, mainly described for the regression analysis of the limit learning, you can quickly achieve large data prediction
粗糙集
- 采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词: 粗糙集;Elman 神经网络
关于人工智能在数据质量管理中的应用
- 说实在的，这个概念有些过于高大上，从大的方面包括、、强化学习等等，而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习，监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做，什么都能迎合的上。