Least-Squares-SIR-Example:使用最小二乘和scipy.optimize.minimize将基本SIR模型拟合到数据

整体最小二乘方法(TLS)以其同时考虑系数矩阵和观测值的误差而作为一种较新的平差方法出现。文中通过阐述整体最小二乘算法基本思想,然后对曲线方程进行线性化,最后结合实例详细解算并分析整体最小二乘在曲线拟合中的应用,验证了该方法的有效性和可行性。

直接可用，包括曲线估计，gcv估计，岭估计，适用于解决最小二乘中的过拟合问题。可以被用于参数识别，模态识别等多参数识别及优化问题

最小二乘支持向量机的编写程序，很值的大家参考，谢谢

分布式估计由于其可伸缩性，鲁棒性和低功耗而受到越来越多的关注。 在大多数分布式估计算法中，系统的输出被认为是有噪声的，而输入数据则被认为是准确的。 但是，在实际应用中，输入和输出数据都可能受到噪声的干扰。 因此，假设输入数据中的所有条目都是准确的并且仅输出数据中的条目被破坏是不现实的。 在输入和输出数据嘈杂的情况下，总最小二乘（TLS）方法具有将输入和输出数据中的扰动最小化的能力，因此比基于最小二乘（LS）的方法具有更好的性能。 。 此外，许多自然和人为系统都表现出高度的稀疏性。 在本文中，我们考虑输入和输出数据都被噪声破坏，并且感兴趣的参数稀疏的情况。 针对网络内协作估计问题，我们提出了几种稀疏感知的分布式TLS算法，其中使用l（1）-或l（0）-范数惩罚项来利用信号的稀疏性。 然后，我们对提出的算法的均值和均方性能进行理论分析。 另外，给出了几个数值模拟，以验证这些建议算法的有效性和优势。

偏最小二乘是建立表到表的线性拟合关系，然后预测的方法(处理高维数据)，比如在光谱分析中，X是某物质的光谱样本构成的训练集，Y是对应的成分数据，x是要预测成分的光谱数据。

偏最小二乘回归：当数据量小，甚至比变量维数还小，而相关性又比较大时使用，这个方法甚至优于主成分回归。

遗忘因子递推最小二乘参数估计，用于识别系统，MATLAB程序 遗忘因子递推最小二乘参数估计，用于识别系统，MATLAB程序

MATLAB图像模糊复原5种方法GUI+评价,该课题主要用了5种有关图像复原的方法，包括了维纳滤波算法、约束最小二乘滤波算法、Lucy-Richardson算法、循环边界算法和最优窗算法，部分方法运用工具箱函数实现了仿真模拟，后两种方法为本次仿真的创新之处，目前利用该两种方法处理较少，所以着重研究，仿真实现后，亦分析对比了5种算法的PSNR效果，后期利用图像增强进行主观改善，最大程度的改善了图像质量。

解决具有连续动作空间的问题是当前强化学习领域的一个研究热点和难点．在处理这类问题时，传统的强化学习算法通常利用先验信息对连续动作空间进行离散化处理，然后再求解最优策略．然而，在很多实际应用中，由于缺乏用于离散化处理的先验信息，算法效果会变差甚至算法失效．针对这类问题，提出了一种最小二乘行动者一评论家方法(1east square actor—critic algorithm，I。SAC)，使用函数逼近器近似表示值函数及策略，利用最小二乘法在线动态求解近似值函数参数及近似策略参数，以近似值函数作为评论家指导近似策略参数的求解．将I。sAc算法用于解决经典的具有连续动作空间的小车平衡杆问题和mountain car问题，并与Cacla(continuous actor-critic learning automaton)算法和eNAC(episodic natural actor—critic)算法进行比较．结果表明，LSAC算法能有效地解决连续动作空间问题，并具有较优的执行性能．