10.MATLAB神经网络43个案例分析 RBF网络的回归--非线性函数回归的实现.zip
10.MATLAB神经网络43个案例分析 RBF网络的回归--非线性函数回归的实现.zip
10.MATLAB神经网络43个案例分析 RBF网络的回归--非线性函数回归的实现.zip
2024-07-01 21:30:28
70KB
1
CVaR是基于风险价值（Value at Risk, VaR）发展而来的，是在一定置信水平α下，损失超过VaR值时的条件均值。VaR是指在一定的置信水平下，某一投资组合在未来某一时间段内的最大损失。
例程中介绍了CVaR相关的编程方法以及各参数的取值范围，注释详细，可直接运行。
2024-07-01 20:57:40
6KB
1
## 1.前馈神经网络
一种单向多层的网络结构，信息从输入层开始，逐层向一个方向传递，一直到输出层结束。前馈是指输出入方向是前向，此过程不调整权值。神经元之间不存在跨层连接、同层连接，输入层用于数据的输入，隐含层与输出层神经元对数据进行加工。
## 2.反向传播算法
（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。
## 3.BP神经网络：
也是前馈神经网络，只是它的参数权重值是由反向传播学习算法调整的。
## 4.总结：
前馈描述的是网络的结构，指的是网络的信息流是单向的，不会构成环路。它是和“递归网络”(RNN)相对的概念；BP算法是一类训练方法，可以应用于FFNN，也可以应用于RNN，而且BP也并不是唯一的训练方法，其
2024-07-01 20:45:29
17KB
1
直接替换数据即可使用，不需要任何基础
代码注释非常详细，可供学习
本代码为优质代码，丰富齐全，包含内容有：
（1）分节设置，注释非常详细，可供学习。
（2）设置隐含层的寻优过程，根据输入自动确定隐含层节点范围，并进行误差寻优，最终获得最佳隐含层节点，减少实验过程。
（3）作图精细，图像结果齐全。
（4）各误差结果指标齐全，自动计算误差平方和SSE、平均绝对误差MAE、均方误差MSE、均方根误差RMSE、平均绝对百分比误差MAPE、预测准确率、相关系数R等指标，结果种类丰富齐全。
（5）最终打印显示测试集的结果。
2024-07-01 19:22:27
50KB
1
使用LAB颜色空间进行阴影检测
该存储库包含该论文的python实现：Ashraful Huq Suny和Nasrin Hakim Mithila，“使用LAB色彩空间从单个图像中进行阴影检测和去除”，IJCSI 2013： ：//www.ijcsi.org/papers/IJCSI
我们使用LAB颜色空间来确定航空影像中阴影上的区域，可以将其用作阴影地面真相图进行分析。
2024-07-01 18:56:02
2KB
1
《MATLAB时频分析工具箱：0.1与0.2版详解》
MATLAB时频分析工具箱是研究人员和工程师进行信号分析的重要资源，它提供了丰富的算法和函数，便于在MATLAB环境中进行复杂的时频分析。本篇将详细介绍两个不同版本——0.1和0.2版的工具箱，以及它们在时频分析领域的应用。
一、时频分析基础
时频分析是一种同时考虑信号随时间和频率变化的方法，它突破了传统的傅里叶分析只能观察信号在某一频率域或时间域的局限。在信号处理、通信、物理学等领域，时频分析能有效地分析非稳态、非线性信号，如瞬态信号和多成分信号。
二、MATLAB时频分析工具箱0.1版
1. 模糊函数：模糊函数是时频分析中的一种重要工具，用于描述信号在时间-频率平面上的分布特性。工具箱中的模糊函数模块可以计算并绘制出信号的模糊图，帮助用户直观理解信号的时间-频率特性。
2. Wigner-Ville变换：Wigner-Ville变换是经典时频分析方法之一，它提供了信号局部能量分布的精确表示。0.1版工具箱支持执行Wigner-Ville变换，能够揭示信号在时频域的瞬时特征。
3. Cohen类变换：Cohen类变换是Wigner-Ville变换的拓展，包括了Gabor变换、Q变换等。这些变换在保持信号的非负性和局部性的同时，减少了交叉项干扰，0.1版工具箱提供了实现这些变换的函数。
三、MATLAB时频分析工具箱0.2版
1. 功能升级：相较于0.1版，0.2版在功能上有所增强，可能包括优化的算法、更多的变换类型以及改进的用户体验。
2. 性能提升：新版工具箱通常会针对计算效率和精度进行优化，使得分析大型数据集或者复杂信号时更加高效和准确。
3. 新增特性：0.2版可能增加了新的时频分析方法，比如短时复小波变换（STCWT）、复希尔伯特黄变换（C-HHT）等，以适应更多样化的分析需求。
四、应用场景
MATLAB时频分析工具箱广泛应用于以下场景：
1. 信号检测：如检测通信系统中的突发信号或故障诊断中的异常信号。
2. 噪声抑制：通过时频分析可以识别噪声源并设计有效的滤波策略。
3. 图像处理：在图像去噪、压缩和恢复过程中，时频分析有助于理解图像的时变特性。
4. 生物医学信号分析：如心电信号、脑电图等生物信号的解析。
总结，MATLAB时频分析工具箱0.1和0.2版为用户提供了一个强大且灵活的平台，进行多样化的时频分析任务。无论是进行科学研究还是工程实践，都能从这两个版本中找到合适的工具来解析和理解复杂信号的行为。
2024-07-01 18:45:30
2.7MB
1