说明：应用背景 BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的...

matlab 神经网络 识别 bp 用于 写字

说明：应用背景格子-的方法是用于数值模拟物理现象，作为一种替代经典的求解器偏微分方程。应用的主要领域是流体力学，特别是数值解不可压缩，含时变的斯托克斯方程。强度的LBM然而基于其方便地表示复杂的能力物理现象，从多相流到流体化学反应。由于该方法是基于分子描述一种流体，可以直接用于微观物理的知识制定适当的数学...

matlab

说明：经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破 [1]  ，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅...

说明：DTW是较早的一种模式匹配和模型训练技术，它应用动态规划的思想成功解决了语音信号特征参数序列比较时时长不等的难题，在孤立词语音识别中获得了良好性能。虽然HMM模型和ANN在连续语音大词汇量语音识别系统优于DTW，但由于DTW算法计算量较少、无需前期的长期训练，也很容易将DTW算法移植到单片机、DSP...

说明：基于LSTM参数实时更新的RUL预测方法。针对传统LSTM模型不能有效利用非生命周期数据建立优良的RUL预测模型和无法合理利用在线数据的问题，提出了一种改进的长短期记忆神经网络（LSTM）方法。。 这是一个新颖的想法，并已通过实验验证。

LSTM RUL预测方法

说明：最速下降法是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失...

最速下降法 梯度下降 gradient-descent 最小二乘问题 最小中值法

说明：微粒过滤器或序贯蒙特 Carlo （SMC） 方法是一套通过直接实现贝叶斯递推方程估计状态空间的后验密度的在线的后验密度估计算法。SMC 方法使用一种基于网格的方法，并使用一套粒子代表的后验密度。这些过滤的方法作出任何限制性的假设的动力学状态空间或密度函数。SMC 方法提供了用于从所需的销售生成样本...

matlab 混合 Cardinalized 概率 假设 滤波

说明：MIMO和OFDM技术是B3G（LTE、LTE-A、4G）的关键物理层技术，该书详细介绍了该领域的概念和理论，并通过MATLAB程序进行仿真和验证。该书共分13章，分别为：无线信道：传播与衰落，SISO信道模型，MIMO信道模型，OFDM介绍，OFDM同步技术，信道估计，PAPR（峰均比）减小技术，...

matlab 源程序

说明：梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函...

说明：此源码是对人工蚁群算法的一种实现，用于无约束连续函数的优化求解，对于含有约束的情况，可以先使用罚函数等方法，把问题处理成无约束的模型，再使用本源码进行求解。