回归预测 | MATLAB实现DBN(深度置信网络)多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。

DBN源代码，有详细注释，运行前先把deeplearn工具箱解压到matlab目录下。

这是基于改进Fireworks优化的深度信念网络的极限学习机的滚动轴承亚健康识别的Matlab版本的部分实现 Rolling Bearing Sub-Health Recognition via Extreme Learning Machine Based on Deep Belief Network Optimized by Improved Fireworks 算法： PSO-MCKD FWA-MCKD

准确地预测旅游需求对制定有效的旅游管理政策起着重要的作用。 它有助于合理地分配资源，避免旅游拥堵。 本文考虑了噪声干扰，提出了结合经验模型分解（EEMD），深度信念网络（DBN）和谷歌趋势的混合模型，用于旅游需求预测。 该模型首先应用位错加权综合方法将Google趋势组合到搜索综合索引中，然后使用EEMD对序列进行去噪。 EEMD从原始系列中提取了高频噪声。 搜索综合指数的低频序列将用于预测低频旅游量序列。 以上海入境旅游为例，对该模型进行了训练，并预测了未来12个月的入境人数。 结论表明，EEMD-DBN模型的预测误差明显低于ARIMA，GM（1,1），FTS，SVM，CES和DBN模型的基线。 这表明必须进行噪声处理，EEMD-DBN预测模型可以提高预测精度。

时序预测 | MATLAB实现DBN(深度置信网络)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

完整的DBN网络对自己的数据集进行故障诊断实例

dbn模型matlab代码

基于DBN-ELM深度信念网络的在线序贯极限学习机的数据分类仿真，matlab2021a仿真测试

随着电力通信网的变化，电力通信网承载业务数据呈指数级增长，对电力通信网的处理能力提出了更高要求。为保障通信网的服务质量，针对目前网络带宽分配不合理现象，提出基于深度置信的电力通信网带宽预测算法，该算法通过由限制玻尔兹曼机构成的深度置信网络获取能够完美表达网络带宽的特征，实现对电力通信网规划阶段带宽的合理预测。实验结果表明，与传统神经网络算法相比，所提算法在预测精度和稳健性方面更具有优势，可以提高电力通信网的承载能力，为电力系统的安全稳定运行提供有力的保障。

DBN RBN tensorflow python3 源码 mnist DBN RBN tensorflow python3 源码 mnist