随风飘摇的土木狗-优快云博客

原创【优快云文章代码获取说明】

有问题也可以随时在评论区或者私信中互动，基本上我会进行简单的答疑，提供解决思路或者方向。2.如果大家有比较关心的研究方向，存在解决的一些难题，可以在本篇文章评论区回复，我会根据大家的关注度高低排序，进行依次研究和解决。”，有些内容属于汉化加改进，有些内容属于完全原创，非常希望能够提前知情，不影响彼此心情。的，或是有一些难度市面较少的方向进行，且文章研究内容比较完整，不会说特意拆分发几篇文章。4.如果某篇来源于网络信息的文章，触碰了版权，可私信我，情况属实会根据要求下架。”几个字样，那么这篇文章的代码是“

2023-07-15 12:59:03 11744 102

原创【2024年更新计划】matlab相关机器学习应用研究计划及进程

【已完成】LSTM结合进化算法优化（增加优化层数、选择单双向等功能，结果稳定已操作）1.复杂数据插值运行程序（中间插值，空值/0值插值，首尾插值）【已完成】adaboost四弱分类器集成多分类。【已完成】LSTM / ANN中间插值APP。【已完成】xgboost多输入多输出回归预测。【已完成】2023年进化算法不同优化思路对比。【已完成】五种方法中间插值，空值/0值插值。【已完成】LSTM单列数据滑动窗口预测未来。【已完成】GWO-GMDH时间序列预测。【已完成】ssa-xgboost多分类。

2023-03-30 01:36:02 949

原创【MATLAB第113期】基于MATLAB的EFAST扩展傅里叶幅度敏感性分析方法（有目标函数）

扩展傅里叶幅度敏感性检验（EFAST）是一种基于频域分析的全局敏感性分析方法，能够同时评估模型参数的一阶敏感性（主效应）和总敏感性（含交互作用）。该方法通过为各参数分配特征频率，利用傅里叶变换将输出响应分解到不同频段，最终通过频谱能量计算参数的敏感性贡献。

2025-04-05 00:18:26 155

原创【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）

该文章实现了一个可解释的神经网络回归模型，使用BP神经网络（BPNN）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

2025-01-05 15:41:30 2345 5

原创【MATLAB第111期】基于MATLAB的sobol全局敏感性分析方法二阶指数计算

1、生成Sobol序列，并在一阶的基础上，生成N=(2D+2)*npop个样本集，其中D为变量数， npop为采样的数量， N为总样本数。在一阶基础上，N=(D+2)*nPop样本，包含A、AB和B矩阵。二阶需要生成BA矩阵，用来评估二阶指数。2、模型计算可参考64期文章，利用sobol函数进行抽样，得到的X值，通过bp组成的代理模型进行计算。3、计算Sobol指数：使用Sobol序列和模型输出，计算每个参数的一阶、二阶效应指数和总效应指数

2024-12-30 19:26:25 1665 1

原创【MATLAB第110期】#保姆级教学 | 基于MATLAB的PAWN全局敏感性分析方法（无目标函数）含特征变量置信区间分析

PAWN（Probabilistic Analysis With Numerical Uncertainties）是一种基于密度的全局敏感性分析（Global Sensitivity Analysis, GSA）方法，它通过累积分布函数来评估模型参数对输出的影响，考虑输出的分布函数在参数取值不同时的差异，利用Kolmogorov-Smirnov（KS）统计量来表征参数的灵敏度，特别适合于处理输出具有复杂分布特性（非对称或多峰）的情况。

2024-12-26 22:34:21 1208

原创【MATLAB第109期】基于MATLAB的带置信区间的RSA区域敏感性分析方法，无目标函数

1、采用两种方法计算待置信区间的敏感性值（1）通过对输出值设置阈值条件，绘制不同变量X与Y之间满足和不满足条件样本的累积分布函数（CDF），检查参数变化范围，并根据CDF之间的最大垂直距离绘制敏感度值。并使用自举法重复收敛分析以得出置信区间。 2、将输入样本拆分为与输出等距范围相对应的“n组”数据集（Wagener等人于2001年首次提出），通过CDF之间最大垂直距离的统计量（最大值或中值）来评估不同数据集中X的CDF之间的距离，计算区域敏感度值。

2024-12-14 18:03:07 798

原创【MATLAB问题及需求收集】关于往期算法问题收集/新需求收集

1、往期的代码中如果存在什么问题，需要更新和完善，麻烦私信我，我根据大家的建议安排更新的时间，并把完善进度更新在这个帖子里。2、如果需要新增功能或者有其他新需求，也可以私信或者评论，我会根据大家的建议进行研究，并限定时间尽快完成。

2024-10-14 10:37:36 467 1

原创【MATLAB第108期】基于MATLAB的fast、vbsa、dynia、pawn、rsa敏感性分析模型合集（无目标函数）【更新中】

FAST（Fourier Amplitude Sensitivity Test）傅里叶振幅灵敏度测试是一种用于敏感性分析的方法，它可以评估模型输入参数对输出结果的影响。FAST方法通过将输入参数的变化转换为傅里叶级数，并分析不同频率下的响应来确定参数对输出的敏感程度。

2024-08-11 00:25:56 1164

原创【MATLAB第107期】基于MATLAB的Morris局部敏感性分析模型（无目标函数）

Morris方法采用概率均匀抽样的方式估计每个模型输入因子在输出结果中的重要性，通过比较系统在不同输入参数值上的输出结果变化来度量每个参数的敏感性。该方法的原理与局部敏感性分析中的“一次变化一个因子”方法相似，通过计算所谓的基本效应（elementary effect, EE）来衡量每个参数对模型输出的全序影响。如式(1)所示, 对初始状态进行多次反复采样, 求各次采样的基效应,并用式(2)求其均值 μi, 衡量每个参数对模型输出的全序影响。

2024-08-06 19:59:01 2267 1

原创【MATLAB第106期】#源码分享 | 基于MATLAB的有限差分算法的全局敏感性分析模型

使用有限差分法计算参数变化的敏感性。通过计算梯度并使用SVD分析结果，可以了解模型输出对每个参数的敏感程度。

2024-07-17 22:30:16 1068

原创【MATLAB第105期】基于MATLAB的Monte Carlo蒙特卡洛抽样的全局敏感性分析方法研究，与sobol抽样对比（无目标函数--代理模型rf、svm、rbf、bp）

本文使用两种全局敏感性方法，即sobol与蒙特卡洛抽样方法进行对比，并应用四种代理模型进行分析。

2024-05-25 00:05:49 1225 1

原创【MATLAB第104期】基于MATLAB的xgboost的敏感性分析/特征值排序计算（针对多输入单输出回归预测模型）

因matlab的xgboost训练模型不含敏感性分析算法，本文通过使用single算法，即单特征因素对输出影响进行分析，得出不同特征变量对应的权重。3.根据自动回复消息，回复“104期”以及相应指令，即可获取对应下载方式。训练集数据的MAE为：0.061008。训练集数据的MBE为：0.001729。测试集数据的MBE为：-0.54221。训练集数据的R2为：0.99952。测试集数据的R2为：0.90306。测试集数据的MAE为：1.9449。1.阅读首页置顶文章。

2024-04-12 22:45:53 1583 1

原创【MATLAB第103期】#源码分享 | 基于MATLAB的LIME可解释性线性分类预测模型，2020b以上版本

LIME（Local Interpretable Model-agnostic Explanations）是一种用于解释复杂机器学习模型预测结果的算法。它由Marco Ribeiro、Sameer Singh和Carlos Guestrin在2016年提出，旨在解决机器学习模型，尤其是深度学习模型等“黑盒”模型的可解释性问题。1、LIME的背景和动机随着机器学习模型在各个领域的广泛应用，模型的预测效果虽然越来越受到重视，但模型的可解释性也同样重要。

2024-04-01 21:16:16 1799

原创【MATLAB第102期】基于MATLAB的BRT增强回归树多输入单输出回归预测模型

BRT的工作原理基于提升（Boosting）策略，特别是AdaBoost（Adaptive Boosting）算法的变种。在每一轮迭代中，BRT都会执行以下步骤：初始化数据权重分布：开始时，每个训练样本都被赋予相等的权重。构建决策树：使用当前的数据权重分布来训练一个新的决策树。这个决策树通常是一个简单的、深度较浅的树，被称为弱学习器。计算预测误差：评估新训练的决策树在整个数据集上的预测误差。更新数据权重：根据预测误差，增加那些被错误分类的样本的权重，减少正确分类的样本的权重。

2024-04-01 21:06:03 1963 2

原创【MATLAB第101期】基于MATLAB的sobol二阶指数计算的探讨

请注意，上述代码中的sobolindices函数是一个高级函数，它内部会处理所有的计算细节，包括方差的计算和效应指数的分解。如果你需要更详细的计算过程，你可能需要参考相关的统计文献来理解Sobol序列的生成和效应指数的计算方法。1.生成Sobol序列：首先，你需要生成一个Sobol序列，这是一个低差异性的样本点集，用于评估模型。3.计算Sobol指数：使用Sobol序列和模型输出，计算每个参数的一阶和二阶效应指数。其中，S1是一阶效应指数，S2是二阶效应指数，S3是三阶效应指数，Sst是总效应指数。

2024-03-21 10:21:02 1840

原创【MATLAB第100期】基于MATLAB的多种改进拉丁超立方LHS数据抽样方法

介绍三种LHS方法，包括LHS、OLHS、TPLHS。其中，LHS及TPLHS支持在限定范围取值，而GAOLS、ESEAOLHS只适用于0-1范围内抽样取值。

2024-03-10 22:48:33 4135 4

原创【MATLAB第99期】#源码分享 | 基于MATLAB的SHEPard模型多输入单输出回归预测模型

Shepard模型(简称SP模型)就是一种直观的、可操作的相似预测法，常用于插值。相似预测法基本原理按照相似原因产生相似结果的原则，从历史样本中集中找出与现在的最相似的一个或几个样本作为预测结果，是一种非线性预测方法。

2024-03-10 21:14:08 875 1

原创【MATLAB第98期】基于MATLAB的MonteCarlo蒙特卡罗结合kriging克里金代理模型的全局敏感性分析模型（有目标函数）

在前面几期，介绍了局部敏感性分析法和sobol全局敏感性分析模型，本期介绍基于kriging克里金模型的GSA全局敏感性分析方法。

2024-03-07 23:38:20 4142 1

原创【MATLAB第97期】基于MATLAB的贝叶斯Bayes算法优化BiGRU双向门控循环单元的多输入单输出回归预测模型，含GRU与BiGRU多层结构优化选择

前面在【MATLAB第10期】讲解了基于贝叶斯Bayes算法优化LSTM长短期记忆网络的多输入单输出回归预测模型。本次模型难点包括：1、BiGRU模型代码的编制2、多层BiGRU模型代码的编制3、BO-BiGRU模型代码的编制。

2024-03-04 22:49:31 1659

原创【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）

文章使用Boost集成学习方法，对多个机器学习模型进行融合，并通过算法得到对应权重。因暂时精力有限，仅展示了测试集预测结果，以及有限的机器学习算法模型，包括不同核函数的支持向量机svm（linear、gaussian）、不同NumNeighbors值的K邻近KNN算法以及决策树算法。后期将不定期更新训练集预测效果、多种机器学习算法以及多种集成算法的结果。

2024-02-03 19:57:11 1472

原创【MATLAB第95期】#源码分享 | 基于MATLAB的卷积神经网络CNN图像分类源代码分享（含两个案例）

目的：训练和测试卷积神经网络，以检测钻头三种类型。深度学习（DL）是机器学习的一个子集，它使用受神经网络启发的架构来进行预测。卷积神经网络（CNN）是一种DL模型，它在学习图像等二维数据中的模式方面是有效的。钻头类型的图像用于训练分类器，以识别钻头类型。本练习演示使用图像分类来区分照片中的对象。尽管应用于位类型，但相同的方法和代码可以用于任何类型或数量的对象。此示例可以通过将训练和测试照片包含在使用对象类型命名的文件夹中进行修改。该代码自动将文件夹的名称作为照片标签，用于训练分类器。

2024-01-28 16:01:48 2901 5

原创【MATLAB第94期】#源码分享 | 基于MATLAB的广义加性模型多输入单输出回归预测模型（至少2021a版本）

1.阅读首页置顶文章2.关注优快云3.根据自动回复消息，回复“94期”以及相应指令，即可获取对应下载方式。

2024-01-27 19:02:44 1060

原创【MATLAB第93期】基于MATLAB的集成聚合多分类预测方法(Bag、Subspace、AdaBoost、LPBoost、RUSBoost、TotalBoost)含贝叶斯优化超参数和敏感性分析功能

Bag采用Bootstrap聚合（装袋，例如随机森林），在默认情况下，在每个分割（随机森林）中使用带有随机预测器选择的装袋。要在不进行随机选择的情况下使用装袋，请使用 ‘NumVariablesToSample’值为的树学习器’all’。Bag与LSBoost原理大致相同，不多介绍。其中，Bag不含学习率参数，学习率为LSBoost特有参数。其次，两者区别之一在于：对于袋装决策树，决策分割的最大数量 ( ‘MaxNumSplits’) 为 n–1，其中n 是观测值的数量。

2024-01-27 16:49:31 1285

原创【MATLAB第92期】基于MATLAB的集成聚合多输入单输出回归预测方法（LSBoost、Bag）含自动优化超参数和特征敏感性分析功能

LSBoost是MATLAB中的一种监督学习算法，可用于对连续数值数据进行预测。它是最小二乘增强机器学习算法的一种实现，这是一种集成学习方法，它将多个较弱模型的预测相结合，以创建更强、更准确的模型。LSBoost通过构建线性模型的集合来工作，其中每个模型都经过训练，以根据可用数据的子集进行预测。模型是按顺序增长的，每个模型都从上一个模型的错误中学习。通过取系综中所有模型的预测的加权平均值来进行最终预测。LSBoost的一个关键优势是它能够有效地处理丢失的数据和大型数据集。

2024-01-27 01:24:49 2116

原创【MATLAB第91期】基于MATLAB的高斯过程、核函数、树模型多输入多输出回归预测模型合集（TGP、KRR、RVM、KSNR、SKRR、RKS、LSBoost、CCF、RLR）

基于MATLAB的高斯过程、核函数、树模型多输入多输出回归预测模型合集（TGP、KRR、RVM、KSNR、SKRR、RKS、LSBoost、CCF、RLR）本文展示多种非常用多输入多输出回归预测模型效果，精力不够，原理还需自行研究。注：每次运行数据训练集测试集为随机，故对比不严谨，不能完全反映模型效果。

2024-01-13 21:37:24 2143 2

原创【MATLAB第90期】基于MATLAB的高斯过程、核函数、树模型、近邻模型等多输入单输出回归预测模型合集（RLR、ARES、WKNNR、KSNR、RKS、VHGPR、WGPR、SSGPR、TGP）

本文展示多种非常用多输入单输出回归预测模型效果，精力不够，原理还需自行研究，下期展示多输入多输出回归模型。注：每次运行数据训练集测试集为随机，故对比不严谨，不能完全反映模型效果。

2024-01-13 19:12:55 1584

原创【MATLAB第89期】基于MATLAB的差分自回归滑动平均模型ARIMA时间序列预测模型含预测未来

差分自回归移动平均模型（Autoregressive Integrated Moving Average Model, ARIMA），又称为差分自回归移动平均模型，是时间序列预测常用的分析方法之一，常应用于不包含趋势和季节性的单变量数据的预测。

2024-01-08 22:29:37 4441 12

原创【MATLAB第88期】基于MATLAB的6种神经网络（ANN、FFNN、CFNN、RNN、GRNN、PNN）多分类预测模型对比含交叉验证

1.本文介绍六种类型的神经网络分类预测模型前馈神经网络 (FFNN)人工神经网络 (ANN)级联前向神经网络 (CFNN)循环神经网络 (RNN)广义回归神经网络 (GRNN)概率神经网络 (PNN)2.数据情况357行样本，12输入，1输出，4分类。无交叉验证情况，默认70%训练，30%测试。

2024-01-03 23:41:18 3585

原创【MATLAB第87期】#源码分享 | 基于MATLAB的增量神经系统网络SFAM多输入单输出多分类预测模型

SFAM是一种增量神经网络分类器。它是模糊ARTMAP（FAM）的一个简单而快速的版本。如果输入相同,FAM和SFAM的产出相同。

2023-12-31 17:36:12 859

原创【MATLAB第86期】基于MATLAB的Catboost多输入单输出分类预测模型 catboost-1.1.1版本

因回归代码改分类，round函数转分类结果时，标签可能会新增，则需要通过代码进行判定，对错误结果进行修正。Catboost模型将非线性回归的拟合结果进行预测拟合，得到残差值（预测结果-非线性回归拟合）采用7输入，1输出，4分类，共357组数据，其中240个数据训练，117个数据测试。catboost版本：catboost-1.1.1。后台私聊回复“第86期”可获取下载链接。

2023-12-26 21:02:18 1862

原创【MATLAB第85期】基于MATLAB的2023年智能进化算法/元启发式算法合集（持续更新）

作者：Pavel Trojovský and Mohammad Dehghani。

2023-12-20 19:38:39 1432

原创【MATLAB第84期】基于MATLAB的波形叠加极限学习机SW-ELM代理模型的sobol全局敏感性分析法应用

1.sobol计算依赖于验证集样本，无需定义变量上下限。2.SW-ELM自带激活函数，计算具有phi（x）=e^x激活函数的单层神经网络的一阶和总Sobol指数本篇文章将演示如何实现波形叠加极限学习机SW-ELM来计算示例模型的一阶和总Sobol指数。1.生成训练和验证集2.构建ELM的参数。要使用多少个基函数？使用什么正则化参数？要测试哪些稀疏化参数？3.SW-ELM代理构建并执行全局敏感性分析4.绘图。

2023-12-19 09:39:57 1410

原创【MATLAB第83期】基于MATLAB的LSTM代理模型的SOBOL全局敏感性运用

（1）数据固定，即训练样本/测试样本固定，所代表的模型评价才够稳定。（2）使用固定算子函数代码（神经网络代理模型是必要的），即开头代码为： rng default 或者rng（M）等，M根据实际测试效果确定。可固定输出结果，保证运行结果一致。此一致代表此刻你打开的matlab，在不关闭情况下每次运行结果一致。跟matlab版本有关，系统版本，以及电脑有关。（3）最为关键的一点，变量的上下限不能超过案例数据的上下限，为了保证模型的普适性和有效性！！！

2023-12-19 08:59:41 2427

原创【MATLAB第82期】基于MATLAB的季节性差分自回归滑动平均模型SARIMA时间序列预测模型含预测未来

季节性差分自回归移动平均模型（Seasonal Autoregressive Integrated Moving Average Model, SARIMA），又称为周期性差分自回归移动平均模型，是时间序列预测常用的分析方法之一，常应用于包含趋势和季节性的单变量数据的预测。SARIMA对于时间序列数据的季节性变动等周期性属性具有较高的敏感性。

2023-12-16 18:40:53 6556 9

原创【MATLAB第81期】基于MATLAB的LSTM长短期记忆网络预测模型时间滞后解决思路

数据构造方式>数据预处理方法>训练集测试集处理方式（1）训练集和测试集单独标准化处理（M-1输入,M-1输出）（2）训练集和测试集整体标准化处理（M-1输入,M-1输出）（3）训练集和测试集单独归一化处理（M-1输入,M-1输出）（4）训练集和测试集整体归一化处理（M-1输入,M-1输出）（5）训练集和测试集单独归一化处理（M输入,M输出）（6）训练集和测试集单独标准化处理（M输入,M输出）（7）训练集和测试集整体标准化处理（M输入,M输出）

2023-10-31 11:27:29 4065 2

原创【MATLAB第80期】基于MATLAB的结构核岭回归SKRR多输入单输出回归预测及分类预测模型

SKRR linear测试集数据的MBE为：0.00019721。SKRR linear测试集数据的MAE为：0.0042063。SKRR linear训练集数据的MBE为：-5.67e-05。SKRR rbf测试集数据的MBE为：-0.020914。SKRR rbf测试集数据的MAE为：0.042224。SKRR rbf训练集数据的R2为：0.99997。SKRR rbf测试集数据的R2为：0.99985。SKRR linear训练集数据的R2为：1。SKRR linear测试集数据的R2为：1。

2023-10-19 19:47:05 2221

原创【MATLAB第79期】基于MATLAB的数据抽样合集（sobol、LHS拉丁超立方抽样、Halton、正交/均匀设计、随机rand函数）

用表LN（mk）安排试验时，N表示试验次数/处理数，k表示最多可以安排的因素个数（分析因素），m表示各因素的水平数。如果有三个变量，A B C，其次，每个变量五个水平（范围），即变量值的0.1、0.5、1、0.5、2倍。每个正交表都有一个表头符号，记作LN（mk），表示该正交表有N行k列，每一列由整数1，2，…如果有三个变量，A B C，其次，每个变量两个水平（范围），即变量值的0.5和1倍。则可以利用L4(2^3)正交表，得到4个样本。

2023-10-19 14:14:14 6818 18

原创【MATLAB第78期】基于MATLAB的VMD-SSA-LSTM麻雀算法优化LSTM时间序列预测模型

平均相对百分误差（MAPE）：0.77018%平均相对百分误差（MAPE）：0.74173%平均相对百分误差（MAPE）：2.7615%平均相对百分误差（MAPE）：3.2038%平均相对百分误差（MAPE）：2.3709%平均相对百分误差（MAPE）：1.8442%平均绝对误差（MAE）：0.0044444。平均绝对误差（MAE）：0.019084。平均绝对误差（MAE）：0.014202。平均绝对误差（MAE）：0.011012。平均绝对误差（MAE）：0.004349。

2023-09-28 00:06:25 2204 1

原创【MATLAB第77期】基于MATLAB代理模型算法的降维/特征排序/数据处理回归/分类问题MATLAB代码实现【更新中】

本文介绍基于libsvm代理模型算法的特征排序方法合集，包括：1.基于每个特征预测精度进行排序（libsvm代理模型）2.基于相关系数corr的特征排序（无代理模型）

2023-09-23 00:39:54 2082 4

matlab 神经网络模型APP

基于MATLAB的神经网络回归预测的APP，用来学习研究或者测试。

2024-01-16

基于MATLAB的morris全局敏感性分析

clear all npoint=100;%在分位数超空间中要采样的点数(计算次数iter=npoint*(nfac+1) nfac=20;%研究函数的不确定因素数量 [mu, order] = morris_sa1(@(x)test_function(x), nfac, npoint) for t=1:size(mu,2) W(1,t)=mu(1,t)/sum(mu); end figure() bar(W) grid on xlabel('Feature index') ylabel('Feature weight') %输出 %1）μ： %每个因素，按降序排列。 %2）order：各因素的指标。考虑修正最后的因素， %那些“mu”非常接近于零的数。

2023-08-08

基于MATLAB的贝叶斯变化点检测和时间序列分解

%“testData”包含两个时间序列：simData和landsat %simData。它是一个结构变量,包含: %“.Y”：模拟时间序列信号 %“.trueStreason”：模拟中使用的真实季节成分 %“.trueTrend”：模拟中使用的真实趋势组件 %% 设置BEAST算法所需的参数 %其中一些参数是BEAST的模型规范参数 %（例如，minSeasonOrder、maxSeasonOrder和minSetpDist_trend，%minSepDist_Sason）； %其他参数只是一些输入变量，控制模拟行为或程序输出（例如， %thinningFactor，seed，computeCredible）。 %BEAST还估计了足够的趋势顺序 %近似于海景成分。结果输出到out.torder。 %“龙卷风”随时间变化。 %根据“趋势顺序”，线性段可以是常数（零 %顺序）或斜线（第一顺序）。“torder”给出了平均顺序 %采样的模型。

2023-04-29

基于MATLAB多层前馈神经网络的回归预测模型多参数多图调整

## 1.前馈神经网络一种单向多层的网络结构，信息从输入层开始，逐层向一个方向传递，一直到输出层结束。前馈是指输出入方向是前向，此过程不调整权值。神经元之间不存在跨层连接、同层连接，输入层用于数据的输入，隐含层与输出层神经元对数据进行加工。 ## 2.反向传播算法（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。 ## 3.BP神经网络：也是前馈神经网络，只是它的参数权重值是由反向传播学习算法调整的。 ## 4.总结：前馈描述的是网络的结构，指的是网络的信息流是单向的，不会构成环路。它是和“递归网络”(RNN)相对的概念；BP算法是一类训练方法，可以应用于FFNN，也可以应用于RNN，而且BP也并不是唯一的训练方法，其

2023-04-07

基于MATLAB的精英非支配排序多目标遗传算法NSGAⅡ非工具箱

## 【MATLAB第16期】#源码分享|基于MATLAB的精英非支配排序多目标遗传算法NSGAⅡ，非工具箱 ## 1 引言在文献[1]中，作者提出了一种基于非支配排序的多目标进化算法(MOEA)，称为非支配排序遗传算法 II (NSGA-II)，它缓解了进化算法以下三个困难： 1. 时间复杂度为$O(MN^3)$，其中$M$为求解目标数，$N$为种群数目 2. 非精英主义方法 3. 需要指定共享参数具体来说，提出了一种计算复杂度为$O(MN^2)$的快速非支配排序方法。此外，还提出了一个选择算子，它通过结合父母和后代种群并选择最佳（关于适应度和传播）解决方案来创建交配池。对困难测试问题的仿真结果表明，与 Pareto 归档进化策略和强度 Pareto EA 相比，在大多数问题中，所提出的 NSGA-II 能够在真正的 Pareto 最优前沿附近找到更好的解分布和更好的收敛性——另外两个精英 MOEAs 特别关注创造一个多样化的帕累托最优前沿。原则上，一个问题中存在多个目标会产生一组最优解（主要是称为帕累托最优解），而不是单个最优解。在没有任何进一步信息的情况下，不能

2023-04-07

基于MATLAB的最简易LIBSVM支持向量机编译文件分享，不用安装工具箱，MATLAB 2020a亲测可使用

## 运行需求文件 libsvm函数（matlab2020a版本亲测可使用）注意：运行libsvm需要两个编译文件，可在购买后获取： 1.svmtrain.mexw64 2.svmpredict.mexw64 ## LIBSVM参数设置 Options：可用的选项即表示的涵义如下 -s svm类型：SVM设置类型(默认0) 0 -- C-SVC 1 --v-SVC 2 – 一类SVM 3 -- e -SVR 4 -- v-SVR -t 核函数类型：核函数设置类型(默认2) 0 – 线性：u'v 1 – 多项式：(r*u'v + coef0)^degree 2 – RBF函数：exp(-r|u-v|^2) 3 –sigmoid：tanh(r*u'v + coef0) -d degree：核函数中的degree设置(针对多项式核函数)(默认3) -g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)(默认1/ k) -r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0) -c cost：设置C-S

2023-04-07

源码分享- 基于MATLAB的五种插值方法合集（线性、三次、三次样条、最邻近、分段三次Hermite），解决多变量样本空值插值

## 源码分享| 基于MATLAB的五种插值方法合集（线性、三次、三次样条、最邻近、分段三次Hermite），解决多变量样本空值插值，以及零值插值 **免费提供试用版代码，可自行运行计算结果。** ## 1.数据要求（1）数据均为数值格式。（2）每行为不同变量的值。（2）首尾数据得有值，不能空缺。 ## 2.插值方法（1）线性插值（2）三次插值（3）三次样条插值（4）最邻近插值（5）分段三次Hermite插值 ## 3.插值思路（1）提取非零或者非空对应的数据进行插值（2）找到对应非零或者非空的行以及列（3）使用五种方法，用for循环分别对提取后的残缺合集进行插值（4）对插值结果赋值为datanew1~5 （5）将插值的结果替换原来的非零或者非空数据（6）判断插值结果是否为负 ## 4.插值数据（1）空值插（2）零值插值 ## 5.插值结果插值结果不一一举例，选取线性插值结果进行展示。（1）空值插值（2）零值插值 ## 6.主程序代码展示（部分）（1）空值插值 clc,c

2023-04-07

matlab轴承故障诊断的群体稀疏学习方法

论文的MATLAB代码：Dai、Jisheng和Hing Cheung So。“轴承故障诊断的群体稀疏学习方法”。IEEE工业信息学汇刊18，第7期（2022）：4566-4576。 “Experiment_1_Fig8.m”将在本文中生成图8。数据集从NSF I/UCR维护系统中心下载[34]。 “Experiment_2_Fig10.m”将在本文中生成图10。数据集从XJTU-SY[35]下载。

2023-01-05

（python）CVOA-LSTM新冠病毒优化算法来优化LSTM

（python）CVOA_LSTM-master——新冠病毒优化算法来优化LSTM——重点研究 from CVOA.CVOA import CVOA from ETL.ETL import * from DEEP_LEARNING.LSTM import * import time as time if __name__ == '__main__': # Load the dataset data, scaler = load_data(path_to_data="/Users/josftm/Documents/02_Investigacion/datasets/Demanda_Limpio_antiguo/demanda_limpio.csv", useNormalization=True) # Transform data to a supervised dataset data = data_to_supervised(data, historical_window=168, prediction_horizon=24) # Split

2023-01-05

PYTHON基础学习资料

PYTHON入门基础学习资料

2023-01-05

matlab基于深度学习的长短期记忆网络LSTM时间序列单步预测，含验证和预测未来第1期

1.文件含所有代码以及保存数据，代码含有部分注释。 2.时间序列预测，验证集评价指标为rmse、MAE、MAPE、R2计算值 3.本文的运行效果如下，不同的案例数据，不同优化参数效果是不一样，有问题提供免费咨询和售后服务。 4.使用版本为matlab2020a，低于该版本的打开代码会出现乱码，属于正常现象，私聊会进行解决，高于此版本不会出现问题。 5.不同电脑、不同版本的运算结果会出现不同，因为采取随机算子。 %% LSTM结构参数 options = trainingOptions('adam', ... % adam优化算法自适应学习率 'MaxEpochs',500,...% 最大迭代次数 'MiniBatchSize',10, ...%最小批处理数量 'GradientThreshold',1, ...%防止梯度爆炸 'InitialLearnRate',0.005, ...% 初始学习率 'LearnRateSchedule','piecewise', ... 'LearnRateDropPeriod',125, ...%125次后学习率下降

2022-09-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人