用户投诉预测模型能有效地降低电信用户投诉率，对企业提高用户满意度和竞争力有着至关重要的作用。在模型训练过程中，由于人工设计特征的缺陷和设计过程中存在难以预估的复杂性，使得模型预测的精度和设计特征的效率不能有很大的提升。针对上述问题，提出了一种基于深度学习的用户投诉预测模型。该模型通过深层网络特征学习单元能从电信用户原始数据中自动学习到适合分类器分类的高层非线性组合特征，并将这些高层特征输入到传统分类器中来提高模型的精度。通过实验结果分析，预测模型在AUC指标上比以往用户投诉模型提升了7.1%，证明了该模型自动学习特征的有效性和深度学习在电信大数据领域的可用性。

案例3 遗传算法优化BP神经网络-非线性函数拟合

用于混合整数的非线性规划，非线性规划的几个程序，用于混合整数的计算

因受自身材质、工艺的限制以及外界环境影响, 应变式称重传感器输入―输出特性存在非线性误差, 影响系统测量精度, 需要对其进行非线性校正。采用曲线拟合法建立传感器逆模型, 并存储于单片机中用于非线性校正, 结合外围硬件电路完成对被测数据的采集与实时处理。设计完成的测量系统具有一定的环境自适应性和智能化特点。实验结果表明, 校正后系统的非线性和零点漂移得到明显改善, 同时软、硬件相结合的设计方式具有较高的应用价值。

头皮脑电信号具有非平稳特性，相干等传统分析方法并不能很好地检测这些脑电时间序列间的依赖关系。广义同步中的似然同步算法对非平稳信号处理具有较好的效果，该文将它应用到实际脑电信号分析中。基于单向耦合Henon映射系统和实际脑电数据的仿真结果均表明，基于广义同步的似然同步方法适用测量非平稳信号间关系。针对健康被试静息态下，从闭眼到睁眼的过程中脑电信号间同步性的变化进行了研究，发现从闭眼到睁眼过程中，大脑的alpha波在几乎所有电极间的同步强度都显著地减弱，大脑的活动受到一定的抑制。上述结果也表明该方法在脑电数据

此代码可用于多输入多输出的非线性拟合，应用BP神经网络结构。程序可读性高，适合用于机器学习中非线性建模，

RBF网络的回归---实现非线性函数回归的实现

使用非线性共轭梯度法求解优化问题，使用matlab编程求解，是最优化方向的基本代码

非线性回归实例选讲－－酶促反应 问题 研究酶促反应（酶催化反应）中——嘌呤霉素(处理与否)——对反应速度与底物（反应物）浓度之间关系的影响. 酶促反应 由酶作为催化剂催化进行的化学反应 生物体内的化学反应绝大多数属于酶促反应 酶促反应中酶作为高效催化剂使得反应以极快的速度（103~1017倍）或在一般情况下无法反应的条件下进行 酶是生物体内进行各种化学反应最重要的因素

利用BP算法实现简单的多层感知器网络，用于实现非线性不可分模式的分类问题，以及非线性函数逼近问题。