基于深度置信网络(DBN)回归预测，深度置信网络DBN回归预测，matlab代码。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于粒子群算法优化深度置信网络(PSO-DBN)的数据回归预测，优化参数为隐藏层节点数目，反向迭代次数，反向学习率，利用交叉验证抑制过拟合问题，matlab代码。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

光伏电池模型

波长变量筛选的方法主要有相关系数法，逐步回归法，无信息变量消除法(UVE)，遗传算法(genetic algorithm,GA)等，其中无信息变量消除法的研究和应用在国内的报道较少。无信息变量消除算法是新的变量筛选方法，该算法最初由Centner等人提出来，并用于NIR光谱数据，其目的是为了减少最终PLS模型中包含的变量数，降低模型的复杂性，改善PLS模型，还与其它相关方法进行了比较，UVE方法得到的结果的SEP最小。

拉普拉斯方程数学代码跌落模拟器 该存储库包含与本文相关的代码： Liimatainen等。 “在生物和合成憎水表面上绘制微尺度的润湿变化”，《自然通讯》 （2017年），1798年。 doi：10.1038 / s41467-017-01510-7 请参考该论文引用代码。 它是什么？ 该存储库包含用于计算两个表面之间的液滴的粘附力的代码。 解决的问题是轴对称（2D）。 液滴满足Young-Laplace方程。 降落的体积和边界条件也应该是已知的。 该力是拉普拉斯项和毛细管项的总和。 使用射击方法解决了边值问题。 有关所有详细信息，请参见本文的补充说明。 该代码使用Matlab R2016b编写并经过测试，并使用Simulink和Parallel计算工具箱。 如果需要，可以通过用for循环替换所有parfor循环，非常轻松地消除对并行计算工具箱的依赖，但代价是代码的运行速度严重降低。 Simulink是solveIVP.m代码不可或缺的一部分，但应该可以仅使用ode45来实现相同的行为。 如何从纸上重新创建数字 从下载代码 运行脚本（代码需要对/output目录的

卡尔曼滤波原理及应用MATLAB仿真

《卡尔曼滤波原理及应用:MATLAB仿真》编辑推荐：《卡尔曼滤波原理及应用:MATLAB仿真》是作者精心为广大读者朋友们编写而成的此书。《卡尔曼滤波原理及应用:MATLAB仿真》可以作为电子信息类各专业高年级本科生和硕士、博士研究生数字信号处理课程或者Kalman滤波原理的教材，也可以作为从事雷达、语音、图像等传感器数字信号处理的教师和科研人员的参考书。

一篇关于路径规划的文章，在二维空间的路径规划，给定的数据去规划最优路径，采用迪杰特斯拉以及蚁群等算法；首先构建规划环境，接着考虑在多种的约束下以及外界的环境去寻优，并且延伸到三维中去规划路径（MATLAB可运行）

利用MATLAB GUI设计平台，设计多算法雷达一维恒虚警检测CFAR可视化界面，通过选择噪声类型、目标类型、算法类型，手动输入相关参数，可视化显示噪声波形与目标检测的回波-检测门限波形图。运行cfar.m即可调用GUI进行参数输入输出。 恒虚警检测技术（CFAR）是指雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。 前提：由于接收机输出端中肯定存有噪声(包括大气噪声、人为噪声、内部噪声和杂波等)，而信号一般是叠加在噪声上的。这就需要在接收机输出的噪声或信号加噪声条件下，采用检测技术判别是否有目标信号。 误差概率：任何形式的判决必然存在着两种误差概率：发现概率和虚警概率。当接收机输出端存在目标回波信号，而判决时判为有目标的概率为Pd，判为无目标的概率为1-Pad。当接收机输出端只有噪声时，而判为有目标的概率为Pfa。由于噪声是随机变量，其特征可用概率密度函数表示，因此信号加噪声也是一随机变量 具体过程：恒虚警检测器首先对输入的噪声进行处理后确定一个门限，将此门限与输入端信号相比，如输入端信号超过了此

matlab实现变异系数法求权重代码，输出结果包括变异系数法所求得的权重以及利用该权重对对象进行打分。直接替换程自己的数据集即可运行

应用COMSOL和matlab进行联合仿真验证与参数反分析研究