暂无评论
利用灰色关联调整神经网络隐层权重，得出的结果精度比较高。。。。。。。。。。。。
研究少数据、贫信息、不确定性问题的新方法，通过对部分已知信息提取有价值的信息
在分析GM（1，1）模型的建模机理的基础上，指出了传统建模方法的不足，即发现了预测数据序列中的第一点的值并不能用原始数据序列中第一点的值来代替，因为存在误差，同时给出了误差项的一般表达式，然后基于BP
基于神经网络的光伏阵列发电预测模型的设计
基于SVR-ANN混合模型的股指预测研究，洪嘉灏，王斌会，本文在传统人工神经网络模型的基础上，引入支持向量回归方法，构建SVR-ANN模型。将该模型应用在沪深300的指数预测中，实证结果表明�
本资料介绍了一项基于Elman神经网络的电力负荷预测模型研究，旨在利用神经网络的强大计算能力对电力负荷数据进行预测和分析。通过对历史电力负荷数据的学习和训练，该模型可以准确预测未来一段时间内的电力需求
风电场风速预测的RBF神经网络模型，介绍了风电场风速预测的方法，建立了RBF神经网络模型，提前1h预测，并把结果与BP方法进行对比
神经网络预测电信用户流失的模型介绍的paper，非常有参考价值
结合粒子群算法的神经网络预测模型，张煌，梁朋，股票数据量大,走势不稳定，峰值尖锐且通常噪声较多这些因素都给预测带来了一定的难度，因此目前现有的单一预测模型往往准确率较�
本文介绍如何使用Matlab构建BP神经网络模型来预测相关数据。通过对历史数据学习，模型可以预测未来的数据变化。采用了Matlab内置模型，包括数据归一化、学习预测数据和反归一化。用户可以自行设定相关
暂无评论