神经网络拟合二次曲面，涉及到神经网络结构定义、前向传播、后向传播等，代码实现完整，一键运行，供大家学习使用，有问题可以联系博主。

无网格法（影印）-张雄：对无网格算法的总结，其中包括移动最小二乘法（Moving Least-Squares， MLS），伽辽金配点无网格法，Hermite配点法等，接合Matlab程序进行讲解。

最小二乘拟合的代码，做曲面拟合的可以用到的啊，包含源代码

我们知道深度神经网络的本质是输入端数据和输出端数据的一种高维非线性拟合，如何更好的理解它，下面尝试拟合一个正弦函数，本文可以通过简单设置节点数，实现任意隐藏层数的拟合。 基于pytorch的深度神经网络实战，无论任务多么复杂，都可以将其拆分成必要的几个模块来进行理解。 1）构建数据集，包括输入，对应的标签y 2) 构建神经网络模型，一般基于nn.Module继承一个net类，必须的是__init__函数和forward函数。__init__构造函数包括创建该类是必须的参数，比如输入节点数，隐藏层节点数，输出节点数。forward函数则定义了整个网络的前向传播过程，类似于一个Sequenti

一条Python代码，可为散点图提供最合适的一行。 与典型的散点图算法相比，这可能会提供更差的拟合度，但我相信与其他算法相比，它很容易理解。 另外，它可能更快，但我不知道。 了解更多信息后，我将更新此文件。

基于BP神经网络的函数拟合与模式识别的matlai代码

在二维空间将离散点拟合直线使用最小二乘法的应用非常广泛，方法也比较简单。与此对应的是三维空间离散点拟合为平面也是很有用的方法，比如一些特定图像分析。本文所介绍的就是三维空间离散点拟合平面的方法，也是基于最小二乘原理。

用C#最小二乘法拟合任意次曲线，解线性方程组，三元一次方程组，高斯方程解方程参数等，代码中有注释，详细步骤介绍，且未引用第三方库，纯手敲代码，下载后可用VS直接运行

1stopt1.5版+教程，管理员模式下打开可以正常使用。可以有效处理曲线拟合类问题。

为求解电晕电流的通用数学模型,利用人工神经网络能以任意精度逼近任意函数的能力,设计了2层BP神经网络,分别对实测的具有双指数函数、Gaussian函数及不规则脉冲形式的电晕电流进行拟合。结果表明,当神经元数目取5~10时,便能对不同类型的电晕电流波形进行高精度拟合,拟合误差量级可达10-4,拟合时间约为2~10 s,通过提取网络的权值、阈值参数可得到电流的解析表达式。该方法得到的电流表达式具有统一的结构,不依赖于电流波形,可作为电晕电流的通用数学模型。