搜索资源列表
算法大全
- 回归分析，神经网络讲解及代码，时间序列模型分析及代码，多元分析代码及讲解、偏最小二乘代码及讲解、(Regression analysis, neural network explanation and code, time series model analysis and code, multiple analysis code and explanation, partial least square code and explanation,)
算法大全
- 回归分析，神经网络讲解及代码，时间序列模型分析及代码，多元分析代码及讲解、偏最小二乘代码及讲解、(Regression analysis, neural network explanation and code, time series model analysis and code, multiple analysis code and explanation, partial least square code and explanation,)
Untitled2
- k—means函数，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(k-means function, RBF network can approximate any non-linear function, can deal with difficult-to-resolve regularity in the sys
cao1
- 时间序列分析中相空间重构时求嵌入维的Cao氏方法(for embedding dimension)
test1
- 在(?1/2，1/2)内产生一个均匀分布的随机数N=1000 的离散时间序列，计算 （1）该序列的自相关Rx(m)。 （2）用计算Rx(m) 的离散傅里叶变换(DFT)的方式求出序列{ xn }的功率谱密度。画出自相关与功率谱密度曲线。(In (- 1/2 1/2) discrete time series generated in a uniformly distributed random number N=1000, calculation (1) the autocorrela
wfxyz
- 混沌时间序列分析与预测工具箱,包括了混沌时间序列分析的很多方法和预测方法,()
ESN
- 使用回声状态网络进行混沌系统的时间序列分析和预测。(use ESN to pridicte)
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测结果更具应用价值。(In this paper, wavel
ARIMA
- 应用pytho进行时间序列分析之arima(time analysis ARIMA using Python)
电力负荷预测方法研究
- 介绍了负荷预测的特点以及影响预测负荷准确度的成分，并通过实际数据曲线形象地对其周期性、趋势性和节假日负荷的特点以及温度、湿度等影响因素进行分析。(This paper introduces the characteristics of load forecasting and the components that affect the accuracy of forecasting load, and analyzes its periodicity, trend and holiday lo
leadlagcorr
- 用于做两个时间序列的超前滞后相关分析，matlab语言(Forward lag correlation analysis for two time series)
mssa
- 多通道奇异谱分析程序，可用于时间序列多尺度分析，多尺度比对与拼接等。(multi-channel singular spectrum analysis procedures can be used for time-series analysis of multi-scale, multi-scale compared with other combinations.)
Dissertation-ARIMA_SVR-prediction-master
- 基于时间序列分析ARIMA和SVR组合模型的预测(Prediction of ARIMA and SVR combined models based on time series analysis)
Chaotic Systems Toolbox
- 这个工具箱包含一组函数，可以用来模拟一些最著名的混沌系统，其为相空间重构、模拟时间序列的线性特性、尺寸和噪声估计以及降噪提供了额外的功能。(This toolbox contains a set of functions which can be used to simulate some of the most known chaotic systems, such as: - The Henon map - The Ikeda map - The Logistic map - The
R
- 金融时间序列分析上证指数的GARCH模型R语言代码，可用于研究股票的波动性和预测。(The GARCH model R language code of the Shanghai Stock Exchange Index for financial time series analysis can be used to study the volatility and prediction of stocks.)
Python for Data Analysis
- 利用python进行数据分析，英文书籍，从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；利用pandas的groupby功能对数据集进行切片、切块和汇总操作；处理各种各样的时间序列数据。(Starting from the data analysis tools of pandas database, high performance tools are used to load, clea
65143424ARIMA
- 自回归移动平均模型(Autoregressive Integrated Moving Average Model)的Matlab实现,时间序列分析代码((Autoregressive moving average model (Autoregressive Integrated Moving Average Model) to achieve the Matlab))
chapter4
- 本程序为基于Python的时间序列分析，包含数据、代码(This program is based on Python time series analysis, including data, code)
rbf
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network
tiaohe.m
- 利用Matlab的t_tide工具包对潮位、潮流时间序列进行调和分析(Harmonic analysis of tide level and tidal current time series by using Matlab's t'udide Toolkit)