搜索资源列表
基于RBD的民航客运预测及MATLAB的实现
- ：基于统计学原理的传统的民航客运量预测方法难以预测动态数据的内在结构和复杂特 性。为了提高民航客运量预测的准确性，利用人工神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性，选用RBF 神经网络为模型并利用MATLAB 编程实现了对民航客运量的准确预测。本文介绍了RBF 神经网络MATLAB 的相关知识，并以民航客运量的1978 年至2007 年的实际数据为例进行RBF 神经网络的训练与测试，实验结果表明，将RBF神经网络与MATLAB 结合运用在民航客运量预测中具有可行性，预测精度更高
Visual-Fortran2002
- 有数值计算中常用的Visual Fortran子过程近200个，内容包括：解线性代数方程组、插值、数值积分、特殊函数、函数逼近、随机数、排序、特征值问题、数据拟合、方程求根和非线性方程组求解、函数的极值和最优化、傅里叶变换谱方法、数据的统计描述、解常微分方程组、两点边值问题的解法和解偏微分方程组，每一个子程序都包括功能、方法、使用说明、子程序和例子五部分。本书的所有子过程都在Visual Fortran 5.0版本上进行过验证，程序都能正确运行。同时配书发行光盘，包括所有子过程、验证过程及所有验
BTT-missile
- 针对不确定非线性 BTT 导弹控制系统, 提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项, 应用模糊神经网络的万能逼近性质来逼近系统不确定项, 然后利用滑模控制和自适应模糊神经网络理论设计了控制器, 应用 Ly apunov 稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。-BTT missile based on fuzzy neural network adaptive control
Matlab
- 本书精选了科学和工程中常用的200余个算法，全部采用MATLAB语言编程实现，并结合实例对算法程序进行验证和分析。本书分为上下两篇，上篇为MATLAB基础篇，主要介绍MATLAB的基本功能和操作以及MATLAB程序设计的入门知识；下篇为算法程序篇，主要讲述以下方面常用算法的MATLAB实现，包括插值、函数逼近、矩阵特征值计算、数值微分、数值积分、方程求根、非线性方程组求解、解线性方程组的直接法、解线性方程组的迭代法、随机数生成、特殊函数计算、常微分方程的初值问题、偏微分方程的数值解法、数据统计和
Intelligent-computation-methods
- 采用bp神经网络对其进行函数拟合。误差反向传播网络（bp网络）是目前人工神经网络模式中最具代表性，应用最广泛的一种模型，具有自学习、自组织、自适应和很强的非线性映射能力，可以以任意精度逼近任意连续函数。-The bp neural network to its function fitting. Error back propagation network (bp network) is the artificial neural network model of the most repres
Application-of-BP-based-on-MATLAB-
- 解决了非线性函数的逼近问题,实现了BP神经网络在非线性函数逼近中的应用。得出了信号的频率与隐含点之间，隐含点与函数逼近能力之间的关系——隐含层神经元数目越多。-Solved the problem of nonlinear function approximation, and realized the application of the BP neural network in nonlinear function approximation. Between signal frequenc
matlab
- 误差的来源 非线性方程（组）的数值解法 解线性方程组的直接方法 解线性方程组的迭代法 矩阵的特征值与特征向量的计算 函数的插值方法 函数逼近与曲线（面）拟合 数值微分 数常微分方程（组）求解值积分 -The source of the error Numerical method for solving the nonlinear equation (group) The direct method of solving linear
NN_FUZZY
- 利用自适应神经模糊推理系统对非线性函数进行逼近(Approximation of nonlinear functions by fuzzy inference system)