本资源是PID神经元网络解耦控制算法_多变量系统控制的matlab仿真。根据PID神经元网络控制器原理，在matlab中编程实现PID神经元网络控制多变量。

2．多变量的SVAR模型 下面考虑k个变量的情形，p阶结构向量自回归模型SVAR(p)为 (9.1.13) 其中： , ,

这本书出自 Richard A. Johnson (Author), Dean W. Wichern (Author) 两位著名的教授，是这个领域比较著名的数，在工业工程，经济管理，工程科技等涉及多变量的领域应用广泛。仅仅用作学习目的，阅后请删除。

介绍了用Excel工具库中的数据分析进行多变量间相关分析的方法，不需编程和计算就可快速得到分析结果。将此方法用于某油田储层砂岩孔隙度控制因素关系的研究，取得良好效果，变量间的定量相关关系显示出较为确定的地质意义；另外，该方法也可用于数学及相关学科的教学中。

***随书代码*** * 朱豫才. 过程控制的多变量系统辨识[M]. 国防科技大学出版社, 2005. * Zhu Y . Multivariable System Identification For Process Control || Nonlinear Process Identification[J]. 2001:217-250.

多变量 时间序列 降维 模式 异常 多变量时间序列的降维_模式匹配与异常检测

针对目前时间序列决策研究方法的一些缺陷，提出了多变量时间序列模糊决策树挖掘方法，并给出了该方法的实验分析。实验结果证明该方法能够找出多变量时间序列子序列的形态与某个序列的后期趋势或状态的决策信息。

这个包与我们论文的功能和分析相关联： Payam Shahsavari Baboukani, Ghasem Azemi, Boualem Boashash, Paul Colditz, Amir Omidvarnia, 一种新的多变量相位同步测量：在多通道新生儿脑电图分析中的应用， 数字信号处理，第 84 卷，2019 年，第 59-68 页，ISSN 1051-2004 我们承认我们的实施中有以下参考： Matlab 的循环统计工具箱： https : //au.mathworks.com/matlabcentral/fileexchange/10676-circular-statistics-toolbox-directional-statistics Hyper-Torus Synchrony (HTS) 测量来自 M. Al-Khassaweneh、M. Villafañ

另见http://dylan-muir.com/articles/circular_kernel_estimation/ circ_ksdensityn - 计算周期和非周期域上的核密度估计用法：[vfEstimate, vfBinVol] = circ_ksdensityn(mfObservations, mfPDFSamples, ) 此函数计算（可选加权）数据样本在周期和非周期域上的核密度估计。 假设样本跨维度独立； 即密度估计是针对数据的每个维度独立执行的。 'mfObservations' 是在（可能是周期性的）域上进行的一组观察。 每行对应一个观察，每列对应一个特定的维度。 默认情况下，所有维度在 [0..2*pi] 中都是周期性的； 这可以通过提供可选参数“mfDomains”来修改。 'mfDomains' 中

该检验基于 Wilks 方法 (1963)，设计用于从正态多元样本中检测单个异常值，并通过 Yang 和 Lee (1987) 公式将最大平方马氏距离逼近 F 分布函数。 显着平方的Mahalanobis距离表示离群值。 为了测试异常值，此函数调用压缩的 ACR m 函数。 输入： X - 多元数据矩阵。 alpha - 显着性水平（默认值 = 0.05）。 输出： - 在多变量样本中检测到的异常值表。