基于布里渊效应的分布式光纤传感器以其可在沿光纤中同时获得被测量场时间和空间上的连续分布信息，成为当前国际的研究热点。根据光纤中布里渊散射谱的传输特点和高精度特征提取的要求，提出了利用莱文伯马夸特(L-M)算法调节权值的径向基函数神经网络(RBFN)对布里渊散射谱进行特征提取。通过与反向传播(BP)神经网络、五次多项式曲线拟合法和三次样条插值法进行预测比较，在中心频率为11.213 GHz，权重比为4∶1的仿真散射谱模型中，本方法相对误差最小，仅0.0015179%，温度相对误差仅为0.152 ℃，且拟合度较好。在不同脉宽和不同温度下的同一检测系统中，前者的综合评价指标优于其他三种拟合方法。数值分析和实验研究均表明径向基函数神经网络适用于对布里渊散射谱进行拟合，有效提高了预测精度。

本资源为，１６年四川省电子技能大赛一等奖，电子秤源码，其中结合了常用的外围模块，以及采用了线性拟合算法。

NURBS方法是利用非均匀节点向量表达式构造有理B样条函数，能够对标准的解析结构和自由型曲面提供统一的数学表示，适用于各种自由型曲面及组合式曲面模型的构建。NURBS方法在拟合过程中通过调节控制点和权因子来实现对各种不同形状模型的高精度拟合。NURBS方法作为国际标准组织(ISO)颁布的工业产品几何定义STEP标准中自由型曲线曲面的唯一表示方法，在逆向工程中已经得到了广泛的应用。

三次样条曲线拟合 三次样条曲线拟合

MATLAB拟合求解圆心和半径 源程序代码.zip

Polyfit多项式拟合 MATLAB软件提供了基本的曲线拟合函数的命令． 多项式函数拟合：a=polyfit(xdata,ydata,n) 其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入．输出参数a为拟合多项式 y=a1xn+...+anx+a n+1的系数 多项式在x处的值y可用下面程序计算． y=polyval(a,x,m) 线性：m=1, 二次：m=2, … polyfit的输出是一个多项式系数的行向量。为了计算在xi数据点的多项式值，调用MATLAB的函数polyval。 例： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; A=polyfit(x,y,2) Z=polyval(A,x); Plot(x,y,’r*’,x,z,’b’)

代码已经调通，跑出来的效果如下： # coding=gbk import torch import matplotlib.pyplot as plt from torch.autograd import Variable import torch.nn.functional as F ''' Pytorch是一个拥有强力GPU加速的张量和动态构建网络的库，其主要构建是张量，所以可以把PyTorch当做Numpy 来用,Pytorch的很多操作好比Numpy都是类似的，但是其能够在GPU上运行，所以有着比Numpy快很多倍的速度。 训练完了，发现隐层越大，拟合的速度越是快，拟合的效果越

使用MATLAB做430单片机的上位机的调试控制软件完成读取湿度，定标湿度，获取浮点定标数据，发送浮点数据到430单片机FLASH，记录，可随时选择定标数据显示定标后的湿度值

matlab多种式拟合优度代码预测日元/美元汇率 队员 张士琪1701213153 浩里湾1701213095 1.背景介绍 使用宏观因素预测汇率的结构模型很容易被随机游走模型击败。 预测变量经常使用时间序列模型，例如ARMA，ARIMA，ARCH，GARCH。 近年来，人工神经网络，支持向量机和混沌理论被广泛应用于预测汇率中。 2.动机 该项目针对外汇汇率的短期波动性，应用SVR方法和深度学习方法ANN预测未来7个期间的汇率。 3.目标 我们的主要目标是使用每日汇率数据预测未来7天（2018.03.30-2018.04.10）的汇率。为此，我们首先使用网格搜索并从3.13-3.30（10个周期）移动窗口，估算最佳参数。 确定预测方法长度的主要方法是chaos theory和lyapunov exponents 。 使用Wolf方法并根据经验选择参数，我们计算出the maximum lyapunov exponents is L=0.1407 （数据= JPY / USD（2016.01.04-2018.04.10），N = 592，m = 10，tau = 60，P = 15）。

Matlab集成的c代码泰勒冰川14C数据的马尔可夫链蒙特卡罗算法 此自述文件提供了用MATLAB编写的Markov Chain Monte Carlo（MCMC）算法的基本描述。 MCMC方法用于通过μ子约束宇宙成因14C生产模型中的两个参数。 为简单起见，使用MCMC方法优化的两个模型参数是“ fneg ”和“ ffast ” –负μon捕获和快速μonReact的相应缩放因子，其深度相对恒定。 MCMC方法旨在根据给定的观测值优化这两个参数-在这种情况下，这表示从钻探的冰芯获得的7个独特深度水平（6.85m，15m，19.5m，40m，51m，61.5m，72m）中的14个总计14C测量值在南极的泰勒冰川。 档案说明 外部资料一种。 flowpath_MC.mat –包含1000个流路径的池（请参阅第1节） b。 flowpath_trim.mat –包含没有撞到基岩中的流路（请参阅第2节） C。 P_neutron.mat –中子的生产率与深度的函数关系（请参阅第3节） d。 P_muon.mat –蒙子的生产率与深度的函数关系（请参阅第3节） e。 all_data.mat