搜索资源列表
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，
200642991948257
- 提出了一种利用肤色信息，建立 YCbCr 肤色模型空间作为人脸检测的预处理手段，利用小波分解和 BP 神经网络作为检测方法。对算法进行仿真验证，实验结果表明：该肤色模型空间 对光线、遮挡以及姿 态 有很好的 robust 特性 ；本检测方法达到较好的检测效果。 关键词 : 小波分解；神经网络；亮度补偿-Skin color model based on an oval face detection method
bpnet
- 智能控制；BP神经网络算法；PID控制器MATLAB 仿真-Intelligent Control BP neural network algorithm MATLAB simulation, the PID controller
BPPID
- 基于BP神经网络PID整定原理和算法步骤，并文中附有相关的MATLAB程度源代码；-Based on BP neural network PID tuning principles and steps of the algorithm, and can be related to the degree of the MATLAB source code
wzrh
- (1)针对在线计算量大这一缺陷，将预测控制中的柔化输出信号的思想推广到柔化输入信号，使得约束条件被简化为仅对当前控制量的约束，可以直接计算得出；同时该方法避免了求逆矩阵，大大减小了计算量，并能够保证控制算法的可行性和良好的控制性能。 (2)针对传统算法中设计参数整定困难这一缺点，应用基于BP神经网络变参数设计的广义预测控制算法，实现了对控制量柔化参数的在线调整。 (3)利用带有遗忘因子的最小二乘法对系统辨识。本文通过仿真发现该方法对于Hénon混沌系统并不完全适用，可考虑利用其他优化系统
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
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
GLS_Standardization
- 近红外化学计量学PLS-BP人工神经网络入研究，指导性较强；第1章程序；主要用于模型转移-Near infrared stoichiometry of PLS-BP artificial neural network research, strong guidance the first chapter is mainly used for model transfer procedures