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：扩展kalmanfilter（也称为线性化卡尔曼滤波）： 是一个简单的非线性近似滤波算法，指运动或观测方程不是线性的情况。 无迹kalman滤波（UKF） KF和EKF都是都将问题转化为线性高斯模型，所以可以直接解出贝叶斯递推公式中的解析形式，方便运算。但对于非线性问题...

说明：包含大量的MATLAB使用技巧,非常实用

MATLAB实用技巧

说明：资源描述程序源码 常微分方程。自然科学与工程技术中种种运动发展过程与平衡现象各自遵守一定的规律。这些规律的定量表述一般地呈现为关于含有未知函数及其导数的方程。我们将只含有未知多元函数及其偏导数的方程，称之为偏微分方程。 方程中出现的未知函数偏导数的最高阶数称为偏微分方程的阶。如果方程中对于未知函数...

matlab 代码 微分方程

说明： 为检验支持向量机非线性回归的泛化能力，BP神经网络有着很强的非线性拟合能力，能以任意精度逼近任意非线性连续函数，当然其前提条件是——神经网络构造适当并且训练充分。

说明：应用背景遗传算法是根据自然界生物染色体进化的数学模型。首先对种群进行初始化，对每个个体计算适应度，生产下一代。如果生成的种群达不到优化的终止条件，则按照适应度选择优良个体、父代进行交叉或变异，生成子代，然后用子代取代父代，再生成下一个子代。循环执行这一过程，直到满足优化终止条件为止。在遗传算法寻优过...

matlab

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：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：自适应动态规划介绍。一种求解动态规划方法HJB方程的自学习控制算法，称其为自适应动态规划算法。所提的算法可以用来解决未知离散时间非线性系统的最优控制问题，同时给出了该控制算法的收敛性证明。算法的实现用到了三个神经网络，在递推的每一步分别用来近似性能指标函数、最优控制律和未知非线性系统。

神经网络 最优问题ADP ADP 最优控制 HJB求解 HJB方程 matlab

说明：遗传算法资料

遗传算法