午夜欧美理论片,久久久久资源,日本精品不卡

預(yù)測模型

預(yù)測模型是在采用定量預(yù)測法進(jìn)行預(yù)測時，最重要的工作是建立預(yù)測數(shù)學(xué)模型。預(yù)測模型是指用于預(yù)測的，用數(shù)學(xué)語言或公式所描述的事物間的數(shù)量關(guān)系。它在一定程度上揭示了事物間的內(nèi)在規(guī)律性，預(yù)測時把它作為計算預(yù)測值的直接依據(jù)。因此，它對預(yù)測準(zhǔn)確度有極大的影響。任何一種具體的預(yù)測方法都是以其特定的數(shù)學(xué)模型為特征。預(yù)測方法的種類很多，各有相應(yīng)的預(yù)測模型。[1]

時間序列預(yù)測法是一種定量分析方法

時間序列預(yù)測法是一種定量分析方法，它是在時間序列變量分析的基礎(chǔ)上，運用一定的數(shù)學(xué)方法建立預(yù)測模型，使時間趨勢向外延伸，從而預(yù)測未來市場的發(fā)展變化趨勢，確定變量預(yù)測值

標(biāo)簽： 時間序列定量分析方法

上傳時間： 2014-11-29

上傳用戶：dengzb84
基于Matlab的灰色預(yù)測算法.灰色預(yù)測是指：通過少量的、不完全的信息

基于Matlab的灰色預(yù)測算法.灰色預(yù)測是指：通過少量的、不完全的信息，建立灰色微分預(yù)測模型，對事物發(fā)展規(guī)律作出模糊性的長期描述（模糊預(yù)測領(lǐng)域中理論、方法較為完善的預(yù)測學(xué)分支）。

標(biāo)簽： Matlab 灰色預(yù)測算法

上傳時間： 2013-12-22

上傳用戶：15071087253
灰色預(yù)測GM（1

灰色預(yù)測GM（1，1）模型的matlab源代碼，包括預(yù)測模型的建立，以及模型的精度檢驗指標(biāo)c,p的計算-Gray prediction GM (1,1) model matlab source code, including the prediction model, as well as indicators of model accuracy test c, p calculation

標(biāo)簽： 灰色預(yù)測

上傳時間： 2017-07-25

上傳用戶：refent
基于神經(jīng)網(wǎng)絡(luò)的車削加工表面粗糙度智能預(yù)測

表面粗糙度是機械加工工藝中主要的技術(shù)參數(shù)，對零件質(zhì)量和產(chǎn)品性能有著極為重要的影響。以加工表面粗糙度與切削用量三要素的關(guān)系為對象，采用正交試驗方法，利用立方氮化硼刀具對冷作模具鋼 Cr12MoV 進(jìn)行硬態(tài)干式車削試驗，測量得到選定參數(shù)條件下的加工表面粗糙度值，并應(yīng)用人工智能神經(jīng)網(wǎng)絡(luò)方法建立了加工表面粗糙度預(yù)測模型。結(jié)果表明，該預(yù)測模型具有很好的預(yù)測精度，其最大誤差不超過 5% 。模型可以對不同切削速度、進(jìn)給量和切削深度參數(shù)組合下加工后的表面粗糙度進(jìn)行預(yù)測，對干式硬車條件下的切削用量選擇和零件表面質(zhì)量的控制具有重要指導(dǎo)意義。

標(biāo)簽： 基于神經(jīng)網(wǎng)絡(luò)的車削加工表面粗糙度智能預(yù)測

上傳時間： 2016-03-20

上傳用戶：happycats
RBF神經(jīng)網(wǎng)絡(luò)預(yù)測

RBF神經(jīng)網(wǎng)絡(luò)用于預(yù)測模型，可以進(jìn)行諸如交通流預(yù)測！

標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò)

上傳時間： 2016-06-20

上傳用戶：chekai
股票價格預(yù)測

股票分析和預(yù)測是一個復(fù)雜的研究領(lǐng)域，本論文將股票技術(shù)分析理論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，針對股票市場這一非線性系統(tǒng)，運用BP神經(jīng)網(wǎng)絡(luò)，研究基于歷史數(shù)據(jù)分析的股票預(yù)測模型，同時，對單只股票短期收盤價格的預(yù)測進(jìn)行深入的理論分析和實證研究。本文探討了BP神經(jīng)網(wǎng)絡(luò)的模型與結(jié)構(gòu)、BP算法的學(xué)習(xí)規(guī)則、權(quán)值和閾值等，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的股票短期預(yù)測模型，研究了神經(jīng)網(wǎng)絡(luò)的模式、泛化能力等問題。并且，利用搭建起的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，采用多輸入單輸出、單隱含層的系統(tǒng)，用前五天的價格來預(yù)測第六天的價格。對于網(wǎng)絡(luò)的訓(xùn)練，選用學(xué)習(xí)率可變的動量BP算法，同時，對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了隱含層節(jié)點的優(yōu)化，多次嘗試，確定最為合理、可行的隱含層節(jié)點數(shù)，從而有效地解決了神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點的選取問題。

標(biāo)簽： 股票價格

上傳時間： 2017-05-11

上傳用戶：wd1314
非線性系統(tǒng)多模型自適應(yīng)控制研究

1.針對一類參數(shù)未知的非線性離散時間動態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對系統(tǒng)線性部分采用局部化方法逮立多個固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來提高系統(tǒng)性能；針對系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測模型來邏近系統(tǒng)的非線性。然后，針對每個子模型設(shè)計相應(yīng)的擅制器。最后，設(shè)計基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對控制器進(jìn)行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對一類具有參數(shù)跳變的非線性離散時間動態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對系統(tǒng)先驗數(shù)據(jù)進(jìn)行分類處理，再分別對每類數(shù)據(jù)采用RLS算法建立多個固定模型。在此基礎(chǔ)上，建立兩個白適應(yīng)模型來提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型來補償系統(tǒng)非線性。然后，分別針對相應(yīng)的子模型設(shè)計線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號有界和測量誤差的性能切換指標(biāo)對控制器進(jìn)行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對MMAC方法中的模型庫優(yōu)化問題，考慮系統(tǒng)實際運行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動態(tài)優(yōu)化模型庫方法。該方法能對新數(shù)據(jù)進(jìn)行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)

標(biāo)簽： 自適應(yīng)控制

上傳時間： 2022-03-11

上傳用戶：
基于小波與LS-SVM集成的模擬電路故障檢測

由于模擬電路的多樣性、非線性和離散性等特點，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機的基礎(chǔ)上，設(shè)計了模擬電路的最小二乘支持向量機預(yù)測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測試驗，結(jié)果表明，該方法比單一支持向量機、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。

標(biāo)簽： LS-SVM 集成模擬電路故障檢測

上傳時間： 2013-10-31

上傳用戶：417313137
BP神經(jīng)網(wǎng)絡(luò)的液位PID控制及仿真

針對硫化鎳礦選礦浮選工業(yè)過程中液位控制進(jìn)行數(shù)學(xué)分析，建立 BP預(yù)測模型并實施多浮選槽液位控制方法，利用目前工程領(lǐng)域流行的 MATLAB 7.0中提供的神經(jīng)網(wǎng)絡(luò)工具箱，對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和仿真，為有效抑制各槽液位擾動、實時調(diào)整各浮選槽液位和實現(xiàn)浮選指標(biāo)的提高提供了有效的途徑。仿真結(jié)果證明了BP神經(jīng)網(wǎng)絡(luò)對解決硫化鎳礦浮選過程液位PID控制的有效性，具有廣泛應(yīng)用和推廣的價值。

標(biāo)簽： PID BP神經(jīng)網(wǎng)絡(luò) 液位控制

上傳時間： 2014-12-29

上傳用戶：凌云御清風(fēng)
人工神經(jīng)網(wǎng)絡(luò)matlab編程

人工神經(jīng)網(wǎng)絡(luò)matlab編程，BP網(wǎng)絡(luò)實例入境旅游人數(shù)的預(yù)測結(jié)果對于旅游管理部門和政府部門有著重要的參考意義,尋求科學(xué)合理的預(yù)測模型是保障預(yù)測結(jié)果準(zhǔn)確可靠的關(guān)鍵。根據(jù)我國入境旅游人數(shù)的實際情況,建立由一個輸入層、一個隱含層、一個輸出層構(gòu)成的三層BP 網(wǎng)絡(luò)模型

標(biāo)簽： matlab 人工神經(jīng)網(wǎng)絡(luò) 編程

上傳時間： 2014-11-30

上傳用戶：semi1981

亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频