th_fmpcAB.mdl

two_fmpcAB.mdl

线性回归预测波士顿房屋价格（使用 scikit-learn 和 XGBoost 两种方式），并进行了对比分析。 # 使用 scikit-learn 和 XGBoost 两种线性回归方式实现波士顿房屋价格预测 # 波士顿房屋价格 包含506个样本、13个特征指标 # XGBoost是一套提升树可扩展的机器学习系统，也可以实现线性回归 # 使用XGBoost时，需将数据转化为DMatrix格式，否则会出现错误 # 使用评估指标判断 scikit-learn 和 XGBoost 两种线性回归方式实现波士顿房屋价格预测方式的优劣

包含蝴蝶图片分类数据集，20个类别，文件夹分类。分类模型resnet，训练模型、预测代码。

带有持续扰动的基于多步控制集的非线性模型预测控制

Epidemic.Network该算法通过使用（BATS，TBATS，Holt线性趋势，ARIMA，SIR和NNAR）模型预测共阴病例19 Makarovskikh Tatyana Anatolyevna“МакаровскихТатьянаАнатольевна” Abotaleb mostafa“АботалебМостафа” 电机工程与计算机科学系 南乌拉尔州立大学，车里雅宾斯克州，俄罗斯联邦 这项工作得到了俄罗斯联邦科学和高等教育部的支持（政府命令FENU-2020-0022）。

本文研究了一种基于情景树随机模型预测控制（SMPC）的具有模型不确定性和扰动的风能转换系统（WECS）方法。 首先，为了描述系统的随机性，借助风的统计数据来制定WECS的马尔可夫跳跃模型。 接下来，通过列举模型跳跃场景，将不确定的随机模型预测控制问题转化为确定性模型预测控制（MPC）问题。 最后，为了满足WECS的实时性，采用离线计算和在线调用控制器的方法来提高SMPC的运行速度。 仿真结果表明，所提出的SMPC方法具有良好的控制性能。

电机MPC控制simulink模型与simplorer以及maxwell模型联合仿真

一本关于模型预测控制的极好教材，内涵大量MATLAB代码

模型预测控制的实现是通过建立优化问题的模型，求解该优化问题来得到控制器的 输出的。本文以电枢控制的直流电机为例，介绍了基于机理建模的无约束模型预测控制 和约束模型预测控制模型，以跟踪两种不同类型信号（阶跃信号与正弦信号）为例，对 控制系统的性能进行了分析。实验结果表明，无约束模型预测控制与约束模型预测控制 均能实现闭环系统稳定的目的。在无约束模型预测控制中，分析了不同加权参数对系统 性能的影响，通过调整加权参数，实现对控制信号“软约束”的作用。在约束模型预测 控制器设计中，通过限制系统部分控制量的取值范围，实现了“硬约束”的功能。在实 际应用中，控制器设计者有必要不断调整控制器参数，避免出现无约束控制器参数合理 导致系统不稳定、约束控制器二次型函数无解、约束控制器限制范围过小导致输出信号 无法完全跟随参考输入等情况。