主要介绍了单隐层网络的发展历程，发展期间遇到的问题机器解决方案，根据目标函数和网络结构列出其权重和阈值的递推公式，有助于加深对神经网络的理解，设计自己的网络或者目标函数。

以质子交换膜燃料电池的机理模型和性能实验数据为基础，建立了5kW质子交换膜燃料电池堆的参数模型。采用多元线性回归方法，由测量的不同条件下的电堆极化曲线，确定了模型中的参数置信水平为95%的置信区间。参数模型被用于燃料电池堆的性能模拟计算，结果表明该模型与实验数据吻合较好，可用于评价燃料电池运行参数对性能的影响，以及对燃料电池动力系统的优化设计。

在有电磁波信息链的条件下，飞行器通过单电磁矢量传感器接收来自基站的完全极化电磁波信号，并对该信号进行处理获得电磁波的波达角和极化角。本文提出了一种新的基于电磁矢量传感器的MUSIC极化-空域联合谱估计方法，此方法将极化空域导向矢量分解成矩阵旋转乘积的形式，并将其作进一步的演化成矩阵生成元的形式。最后用仿真验证了算法的有效性。

python实现声音波形FIR滤波 FIR示例数据与高通、低通滤波参数

期权定价随机波动率模型的一种，基于最小二乘方法进行参数校准

一个简单的网格搜索框架 网格搜索就是穷举法，对所有可能的参数组合都带入程序，进行尝试。 模型参数对应：SARIMA(p,d,q)(P,D,Q)m，对于模型来说并不是所有输入参数都是有效的， 如季节周期参数m不能为0，当m=0时，会导致SARIMAX函数报错。 以SARIMA模型为示例，介绍了如何对模型的参数进行网格搜索来找到较优参数 SARIMA是对AR,MA,ARIMA模型的改进，添加了季节周期的因素在里面 在网格搜索配置超参数的时候也是一个学习点

网格搜索ARIMA模型超参数_两个案例python实现源码&数据 1、评估给定订单的ARIMA模型（p，d，q） 2、评估ARIMA模型的p，d和q值的组合

1.SARIMA模型的网格搜索超参数优化 基本一样 指数平滑预测方法，预测是过去观察值的加权，模型对过去观察值使用指数递减权重 所谓三重指数平滑在股票中指对数据重复进行三次平滑处理，从而减小数据波动。对应的指标叫TRIX 在时间序列预测中,三次指数平滑算法指可以对同时含有趋势和季节性的时间序列进行预测，该算法是基于一次指数平滑和二次指数平滑算法的 程序只修改了使用的预测模型部分， 从SARIMA模型改成了ExponentialSmoothing模型 同时修改了模型使用的参数，别的逻辑基本相同 内容： 1.网格搜索框架 2.无趋势和季节性研究 3.趋势性研究 4.季节性研究 5.趋势和季节性研究

在Matlab中分别用粒子群算法、遗传算法、人群搜索算法这类群智能算法整定PID参数。

作业要求：根据SGG-UGM-1重力场模型，取前360阶次，并考虑前四个正常引力位系数，计算全球区域（1°）和中国西部（5’）的引力位、大地水准面高、重力异常、重力扰动分布，并绘图呈现 代码功能：C#（VS 2015）编写，可以导入其它重力场模型，自定义阶次、格网间隔、区域范围等，用matlab的m_map包实现绘图