支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。

在matlab软件中编程实现基于遗传算法优化BP神经网络非线性系统拟合算法-In the matlab software programming based on genetic algorithm to optimize the BP neural network nonlinear system fitting method

BP神经网络用于函数拟合与模式识别，在MATLAB中求图像纹理特征，包括轨道机动仿真、初轨计算。- BP neural network function fitting and pattern recognition, In the MATLAB image texture feature, Including orbital maneuvering simulation, initial orbit calculation.

BP神经网络用于函数拟合与模式识别，基于SVPWM的三电平逆变的matlab仿真，包括压缩比、运行时间和计算复原图像的峰值信噪比。- BP neural network function fitting and pattern recognition, Based on SVPWM three-level inverter matlab simulation, Including compression ratio, image restoration computing uptime and

4. 曲线拟合的用户图形界面求法 Matlab 工具箱提供了命令cftool，该命令给出了一维数据拟合的交互式环境。具体 执行步骤如下： （1）把数据导入到工作空间； （2）运行cftool，打开用户图形界面窗口； （3）对数据进行预处理； （4）选择适当的模型进行拟合； （5）生成一些相关的统计量，并进行预测。 分类: 数学建模