搜索资源列表
bp神经网路在地震预测中的应用
- bp神经网路在地震预测中的应用，matlab源码
基于RBF神经网络的CPI预测
- 采用RBF神经网络的结构、特性和训练算法，根据CPI(消费者物价指数)与其影响因素之间存在的映射关系，应用神经 网络建立了多因素非线性时间序列预测模型。最后通过仿真实验和研究，把RBF神经网络与传统的BP网络预测结果进行比较，结果证明，该模型的预测精确度更高，结果令人满意。
VB-bp
- 这是一个用VB语言编写的具有神经网络功能的强大的专业预测软件，和大家分享-it s so perfect,so I take it here to share it with all of us!
pre_bp
- bp神经网络通用预测程序，matlab2009编写，可直接输入数据。-bp neural network forecasting process common, matlab2009 preparation, can be directly input data.
shuiwenNeuralNetwork
- 神经网络预测水文年。使用标准BP网络、L-M算法、径向基数（RBF）网络算法，分别对水文年尽心预测和对比-Neural network hydrological year. Using the standard BP network, LM algorithm, radial base (RBF) network algorithm, respectively, years of dedication to the hydrological forecast and comparison
bpsample
- 以某区水文数据为例，在matlab7中构建BP神经网络，进行仿真预测。-Hydrological data in a certain district, for example, in matlab7 Building BP neural networks, simulation prediction.
SJWL
- 基于人工神经网络的预测原理及MATLAB实现-Based on artificial neural network theory and MATLAB realization of the forecast
BPNet
- BP神经网络的训练和预测程序，可以直接放在eclipse下直接运行-BP neural network training and prediction process can be run directly on the eclipse
Forecast
- BP神经网络，自适应竞争神经网络对地震进行预测实例-BP neural network, adaptive competitive neural networks to predict the earthquake example
GAbp
- 遗传算法优化BP神经网络的权值和阈值，进行预测-BP neural network genetic algorithm to optimize the weights and thresholds to predict
All
- bp神经网络matlab代码实现,利用bp神经网络预测的好方法。-bp neural network matlab code to achieve, use a good bp neural network forecasting method.
bp
- Elman神经网络在电力负荷预测模型研究中的应用-Elman neural network for electric load forecasting model for the Study of
BP
- 建立BP神经网络负荷预测模型，并对BP神经网络的节点（输入层、中间层、输出层）进行选择,并选用合适的小波神经网络的训练函数,提高收敛速度和负荷预测精度。-The establishment of BP neural network load forecasting model, and the BP neural network nodes (input layer, middle layer, output layer) to select and choose the appropriate
BP 神经网络算法
- BP 神经网络的MATLAB算法，里面包含了自我学习和预测的过程！
PSO_BP
- 用粒子群算法PSO优化BP神经网络，改善预测精度(The BP neural network is optimized by particle swarm optimization (PSO) to improve the prediction accuracy)
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
采用遗传算法和人工神经网络对短期负荷做出预测
- 用于负荷预测和风电与光伏预测，算法精度高，易于实现。(For load forecasting and wind power and photovoltaic forecasting, the algorithm is accurate and easy to implement.)
modify_surrogate
- 拉丁超立方抽样及BP神经网络代理模型的建立与预测误差分析(Latin hypercube sampling & BP neural network model)
BP1
- 应用BP神经网络对参数进行评价，对结果进行合理性预测(Application of BP neural network to evaluate the rationality of the prediction parameters.)
Greynet
- 数学模型，将GM灰度模型与BP神经网络进行融合，可用于对数据的预测(The mathematical model combines the GM gray model with the BP neural network, and can be used to predict the data)