Bootstrap 是一种强大的技术，可用于获取数据集的置信区间； 然而，在时间序列数据上这样做并不简单。 在这里，我展示了 Bootstrap-t 程序在生物力学中的实现，其中包含来自膝关节矢状面角度的样本数据。

基于BP网络的混沌时间序列预测的研究中北大学硕士论文-基于BP网络的混沌时间序列预测的研究.rar 基于BP网络的混沌时间序列预测的研究 【英文题名】 Research on the Prediction of Chaotic Time Series Based on BP Network 【作者中文名】 李众; 【导师】 王建中; 【学位授予单位】 中北大学; 【学科专业名称】 应用数学 【学位年度】 2008 【论文级别】 硕士 【网络出版投稿人】 中北大学 【网络出版投稿时间】 2008-10-14 【关键词】 BP神经网络; 混沌; 时间序列; 预测; 【英文关键词】 BP network; Chaos; Time Series; Prediction; 【中文摘要】 混沌时间序列的普遍存在性使得对于它的预测有着极为深刻的意义和丰富的内涵。本文研究了混沌时间序列的相关理论和方法,将BP神经网络应用于混沌时间序列预测中,并采用Matlab编程验证了其有效性和普适性。论文主要完成4个方面的工作: 1)介绍了混沌时间序列,论述了其可预测性、预测方法以及预测尺度。 2)相空间重构是对时间序列进行深层次信息挖掘的一种有效的方法。本文讨论了相空间重构中时间延迟与嵌入维数的选取以及Lyapunov指数的估计,并给出了相应算法。 3)将BP神经网络理论引入混沌时间序列预测领域,给出了BP神经网络拟和重构后所得函数关系的具体实现过程,并应用训练后的网络进行预测,经仿真表明了该方法的有效性,并给出了具体的应用实例。 4)讨论了BP网络参数设定的一般方法和优化参数的方法。 【英文摘要】 The prediction of chaotic time series has very abundant and profound meaning and can be widely applied. With a study on the relevant theory and methods, this paper applies BP neural network in the prediction of chaotic time series and its validity and universality are proved by matlab program. The paper can be summed up into as the following parts: 1)Chaotic time series is introduced and its predictability, methods and scales are mainly discussed as well. 2)Phase space reconstruction is an...

Df(x)此函数用于构造麦克-格拉斯(Mackey-Glass)混沌延迟微分方程的形式 Mackey_Glass(N,tau)麦克-格拉斯(Mackey-Glass)混沌延迟微分方程 x为序列返回值，t为时间返回值，h为时隙间隔，N为点数 test是生成0-2000s内的Mackey_Glass序列，τ \tauτ分别取不同的值 (13,30) (13,30)(13,30),并做出相应相位时差 ---------------------

异常检测工具包（ADTK）异常检测工具包（ADTK）是用于无监督/基于规则的时间序列异常检测的Python软件包。 由于异常的性质在不同情况下会有所不同，因此模型可能无法正常工作异常检测工具包（ADTK）异常检测工具包（ADTK）是用于无监督/基于规则的时间序列异常检测的Python软件包。 由于异常的性质在不同情况下会有所不同，因此模型可能无法普遍适用于所有异常检测问题。 正确选择和组合检测算法（检测器），特征工程方法（变压器）和集成方法（聚合器）是建立有效的异常检测模型的关键。 此套餐提供

奇异谱 用于执行和可视化奇谱分析（SSA）的MATLAB类，SSA是时间序列的非参数频谱分解技术

LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。

机器学习实战项目——决策树&随机森林&时间序列预测股价.zip

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：动态神经网络时间序列预测研究_基于MATLAB的NARX实现_NARX_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

分享Matlab在时间序列分析中的应用，附带完整的目录，扫描版，与君共勉~

在仙侠剧中，有正魔之分，然何为正道，何为魔道，实属难辨。自称正道的人也许某一天会堕入魔道，被众人称为魔头的人，或许内心自始至终都充溢着正义感！所以说，没有绝对的黑，也没有绝对的白。话说回来，对于“异常”这个词，每个人的心里大概都有一个衡量标准，扩展起来的确很广（如异常点、异常交易、异常行为、异常用户、异常事故等等），那么究竟何为异常呢？异常是相对于其他观测数据而言有明显偏离的，以至于怀疑它与正常点不属于同一个数据分布。异常检测是一种用于识别不符合预期行为的异常模式的技术，又称之为异常值检测。在商业中也有许多应用，如网络入侵检测（识别可能发出黑客攻击的网络流量中的特殊模式）、系统健康性监测、信用卡交易欺诈检测、设备故障检测、风险识别等。这里，将异常分为三种： 数据点异常：如果样本点与其他数据相距太远，则单个数据实例是异常的。业务用例：根据“支出金额”检测信用卡欺诈。 上下文异常：在时间序列数据中的异常行为。业务用例：旅游购物期间信用卡的花费比平时高出好多倍属于正常情况，但如果是被盗刷卡，则属于异常。 集合异常：单个数据难以区分，只能根据一组数据来确定行为是否异常。业务用例：蚂蚁搬家式的拷贝文件，这种异常通常属于潜在的网络攻击行为。