该程序通过 MSE 和感知器的方法将具有 2 个特征的 2 个不同类分开。 感知器分类器的两种不同方式一种是通过MATLAB命令（感知器）训练一层感知器网络，另一种是我根据感知器理论和梯度下降公式编写的程序。 （还添加了演示文件）。 绘制了所有分类线。 在程序中，如果最大迭代达到一条线，同时绘制了最小错误分类对象。

风速的随机性和间歇性等特点使得目前风电场参数预测模型存在较大的预测误差，对此提出了采用马尔科夫链（MC)方法对模型的预测误差进行修正。分别求出参数的实际值与模型预测值之间的误差序列，利用模糊C-均值聚类算法对其进行状态划分；根据各误差状态计算出MC状态转移概率矩阵，进而计算模型预测误差修正值，最终得到精度较高的预测值。采用MC方法分别对广义回归神经网络(GRNN)模型、T-S模糊神经网络模型以及Elman神经网络模型的预测误差进行修正，并应用MC修正后的3种模型对山西某风电场测风塔不同步长风速进行预测仿真实验研究，分析讨论了MC对各预测模型误差的修正效果。仿真结果表明，所提出的误差修正方法能够有效提高测风塔风速预测精度，为预测模型的误差修正提供了一种有效的实用的方法。

求取二组信号的均方根误差，程序很简单，一看就明白，直接输入二组信号即可求出均方根误差。

Matlab中的三种运算精度 数值算法：每个数值都取16位有效数字，按浮点数进行运算；运算速度快； 符号算法：按有理数计算方法运算，可得出有理表达式运算慢； 可控精度算法：用digits（n）指定运算的有效数字； 还有计算中的几个原则

定位误差计算，在室内定位这一方面非常有意义，是一段MATLAB代码，你值得拥有

用于比较捷联惯导和组合导航的误差对比参考课件

该程序实现了自适应波束形成技术，注释清晰，调试通过可以直接使用。

误差理论与数据处理_试卷三套有答案

本文利用灰色系统分析就SARS对某市商品零售业、旅游业和综合服务业所造成的影响建立了预测模型，进行了定量分析，并将分析结果与实际数据进行了比较，从而得出SARS对某市2003的经济影响。 模型：首先，根据题目所给的1997-2002年商品零售业、接待海外游人和综合服务业的数据（即表1-1，表1-2，表1-3）建立了灰色预测模型GM(1,1)，进行预测2003年各项经济指标的相应数据。预测得出2003年1月到12月的商品零售额（单位：亿元），各月接待海外旅游人数（单位：万人）和2003年2月到12月的综合服务业总额（单位：亿元） 表1 对2003相关行业的预测结果 一月 二月 三月 四月 五月 六月 七月 八月 九月 十月 十一月 十二月 商品零售 152.9 155.4 144.2 151.2 157.7 157.4 162.6 161.3 168.0 170.5 166.7 177.1 旅游人数 14.8 26.6 25.5 31.9 33.0 30.8 30.4 37.1 36.7 37.8 33.2 25.5 综合服务 — 240.1 389.6 545.2 743.8 915.8 1100.8 1316.1 1516.6 1708.6 1906.5 2200.9 其次，将2003年预测值与表1-1、1-2、1-3中所给真实值进行比较，画出相应的折线图，得到SARS对该市商品零售业和旅游业的影响比较显著，但对综合服务业的影响不大。损失比的折线图进一步分析。得出在商品零售业、接待海外旅游业、综合服务业三个行业中，SARS对接待海外旅游业的影响最大。 最后，本文对模型的预测值进行了准确的误差分析。将求得的预测值进行检验，计算出商品零售业、综合服务业相对误差都小于0.01，达到一级要求；接待海外旅游业的相对误差小于0.05，达到了二级要求。均方差比值 表3 相关产业预测值与真实值的均方差比 商品零售 接待海外游人 综合服务业 均方差比 0.0398 0.2560 0.0528 通过我们定义的损失比，消除了量纲的影响，从而能够通过损失比衡量SARS疫情对各行业的影响大小。

这是用python实现的多层BP神经网络，详细简介： 1）层数、输入神经元个数、隐藏层神经元个数、输出神经元个数可定制； 2）隐藏层激励函数可选：tanh、logistic，可自行拓展到字典中； 3）内含多分类编码器，多分类数据集类标无需编码可直接输入输出； 4）输出层激励函数固定为sigmoid，在predict方法可以设置是否返回概率值。 初学机器学习，如编写有问题请不吝赐教，如果有疑问也欢迎讨论，QQ：1642990705