搜索资源列表
svmandBPwithmatlab
- 支持向量机非线性回归通用matlab程序 支持向量机和BP神经网络非线性回归之比较研究-SVM nonlinear regression procedures common Matlab support vector machines and artificial neural networks to nonlinear In the Comparative Study
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，
NeuralNetwork_BP
- BP神经网络用于分类与回归的matlab源码 注释很详细-1、NeuralNetwork_BP_Classification.m- 分类 2、NeuralNetwork_BP_Regression.m- 回归
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。
BPalgrithm
- 描述了BP神经网络在回归分析中的应用研究，有比较详细的分析数据-Describes the application of BP neural network in the regression analysis, a more detailed analysis of data
muhushenjing
- 模糊神经网络可用于模糊回归、模糊控制器.-Fuzzy neural network can be used for fuzzy regression, fuzzy controller
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
Artificial-network
- 包括神经网络的主元处理，回归算法，建模数据集的源码，bp，rbf设计实例-Artificial neural network n
GRNNchangjianzuhesuanfa
- 做课题时搜集的广义回归神经网络（GRNN）的常见组合算法文献-The common GRNN combining algorithm
GRNN
- 广义回归神经网络（GRNN）的相关文献，适合攻读神经网络方向的研究生阅读-GRNN References
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
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