matlab神經網路43個案例分析當當

❶ matlab神經網路43個案例分析.pdf

哥們， 這書還真沒搜到PDF電子版的， 估計人家就是想用來賣錢的，版權意識特么強。專 這么厚的書，又全屬是干貨，才32塊，很便宜了，真想要學習，推薦買一本，亞馬遜，當當，京東上都有賣。不過就算沒買，到神經網路之家、matlabsky、數學中國、matlab中文論壇等一些免費論壇看看貼，一樣學習。希望對你有幫助。

❷ 《Python與量化投資從基礎到實戰》pdf下載在線閱讀，求百度網盤雲資源

《Python與量化投資》（王小川）電子書網盤下載免費在線閱讀

資源鏈接：

鏈接：

書名：Python與量化投資

作者：王小川

豆瓣評分：6.8

出版社：電子工業出版社

出版年份：2018-3

頁數：424

內容簡介：

本書主要講解如何利用Python進行量化投資，包括對數據的獲取、整理、分析挖掘、信號構建、策略構建、回測、策略分析等。本書也是利用Python進行數據分析的指南，有大量的關於數據處理分析的應用，並將重點介紹如何高效地利用Python解決投資策略問題。本書分為Python基礎和量化投資兩大部分：Python基礎部分主要講解Python軟體的基礎、各個重要模塊及如何解決常見的數據分析問題；量化投資部分在Python基礎部分的基礎上，講解如何使用優礦（uqer.io）回測平台實現主流策略及高級定製策略等。

本書可作為專業金融從業者進行量化投資的工具書，也可作為金融領域的入門參考書。在本書中有大量的Python代碼、Python量化策略的實現代碼等，尤其是對於量化策略的實現代碼，讀者可直接自行修改並獲得策略的歷史回測結果，甚至可將代碼直接實盤應用，進行投資。

作者簡介：

王小川，華創證券研究所金融工程高級分析師，國內知名MATLAB、Python培訓專家，MATLABSKY創始人之一，人大經濟論壇CDA課程Python金牌講師。從事量化投資相關的工作，承擔了部分高校的統計課程教學任務，長期研究機器學習在統計學中的應用，精通MATLAB、Python、SAS等統計軟體，熱衷於數據分析和數據挖掘工作，有著扎實的理論基礎和豐富的實戰經驗。著有《MATLAB神經網路30個案例分析》和《MATLAB神經網路43個案例分析》。

陳傑，華創證券研究所金融工程團隊負責人，擁有CFA、FRM資格。從2009年開始從事量化開發工作。在入職華創之前，曾擔任申萬宏源研究所金融工程首席分析師。

盧威，華創證券研究所金融工程分析師，前優礦網量化分析師，為優礦網資深用戶，在優礦網分享過多篇高質量的量化研究報告，擅長使用Python進行量化投資研究。

劉昺軼，上海交通大學工學碩士，研究方向為斷裂力學、流體力學，擅長Python編程、統計建模與Web開發，現為量化投資界新兵，正在快速成長。

秦玄晉，上海對外經貿大學會計學碩士，有兩年量化投資經驗，研究方向為公司金融。

蘇博，上海財經大學金融信息工程碩士，主要研究方向為金融大數據分析。

徐晟剛，復旦大學西方經濟學碩士，數理功底深厚，熱愛編程與策略研究，精通Python、MATLAB等編程語言，有3年金融工程策略研究經驗，擅長擇時和事件類策略。

❸ 用MATLAB建立bp神經網路模型，求高手，在線等

Matlab神經網路工具箱提供了一系列用於建立和訓練bp神經網路模型的函數命令，很難一時講全。下面僅以一個例子列舉部分函數的部分用法。更多的函數和用法請仔細查閱Neural Network Toolbox的幫助文檔。

例子：利用bp神經網路模型建立z=sin(x+y)的模型並檢驗效果

%第1步。隨機生成200個采樣點用於訓練
x=unifrnd(-5,5,1,200);
y=unifrnd(-5,5,1,200);
z=sin(x+y);
%第2步。建立神經網路模型。其中參數一是輸入數據的范圍，參數二是各層神經元數量，參數三是各層傳遞函數類型。
N=newff([-5 5;-5 5],[5,5,1],{'tansig','tansig','purelin'});
%第3步。訓練。這里用批訓練函數train。也可用adapt函數進行增長訓練。
N=train(N,[x;y],z);
%第4步。檢驗訓練成果。
[X,Y]=meshgrid(linspace(-5,5));
Z=sim(N,[X(:),Y(:)]');
figure
mesh(X,Y,reshape(Z,100,100));
hold on;
plot3(x,y,z,'.')

❹ MATLAB神經網路30個案例分析的圖書目錄

第1章 P神經網路的數據分類——語音特徵信號分類
第2章 BP神經網路的非線性系統建模——非線性函數擬合
第3章 遺傳演算法優化BP神經網路——非線性函數擬合
第4章 神經網路遺傳演算法函數極值尋優——非線性函數極值尋優
第5章 基於BP_Adaboost的強分類器設計——公司財務預警建模
第6章 PID神經元網路解耦控制演算法——多變數系統控制
第7章 RBF網路的回歸——非線性函數回歸的實現
第8章 GRNN的數據預測——基於廣義回歸神經網路的貨運量預測
第9章 離散Hopfield神經網路的聯想記憶——數字識別
第10章 離散Hopfield神經網路的分類——高校科研能力評價
第11章 連續Hopfield神經網路的優化——旅行商問題優化計算
第12章 SVM的數據分類預測——義大利葡萄酒種類識別
第13章 SVM的參數優化——如何更好的提升分類器的性能
第14章 SVM的回歸預測分析——上證指數開盤指數預測
第15章 SVM的信息粒化時序回歸預測——上證指數開盤指數變化趨勢和變化空間預測
第16章 自組織競爭網路在模式分類中的應用——患者癌症發病預測
第17章SOM神經網路的數據分類——柴油機故障診斷
第18章Elman神經網路的數據預測——電力負荷預測模型研究
第19章 概率神經網路的分類預測——基於PNN的變壓器故障診斷
第20章 神經網路變數篩選——基於BP的神經網路變數篩選
第21章 LVQ神經網路的分類——乳腺腫瘤診斷
第22章 LVQ神經網路的預測——人臉朝向識別
第23章 小波神經網路的時間序列預測——短時交通流量預測
第24章 模糊神經網路的預測演算法——嘉陵江水質評價
第25章 廣義神經網路的聚類演算法——網路入侵聚類
第26章 粒子群優化演算法的尋優演算法——非線性函數極值尋優
第27章 遺傳演算法優化計算——建模自變數降維
第28章 基於灰色神經網路的預測演算法研究——訂單需求預測
第29章 基於Kohonen網路的聚類演算法——網路入侵聚類
第30章 神經網路GUI的實現——基於GUI的神經網路擬合、模式識別、聚類

❺ matlab 神經網路

net=newff(pr,[3,2],{'logsig','logsig'}); %創建 一個bp 神經網路
net.trainParam.show = 10; %顯示訓練迭代過程
net.trainParam.lr = 0.05; %學習速率0,05
net.trainParam.goal = 1e-10; %訓練精度
net.trainParam.epochs = 50000; %最大訓練次數
net = train(net,p,goal); %訓練
結果要麼接近於1 ，要麼就是0，就這倆類啊，這就是分類結果；
每次都有些差異 很正常，只要不大

❻ MATLAB神經網路30個案例分析的介紹

《MATLAB神經網路30個案例分析》是史峰、王小川、郁磊、李洋編著的一本圖書。該書是MATLAB中文論壇神經網路版塊數千個帖子的總結，充分強調「案例實用性、程序可模仿性」。所有案例均來自於論壇會員的切身需求，保證每一個案例都與實際課題相結合。

❼ matlab神經網路43個案例分析第十七章基於SVM的信息粒化運行問題

代碼你修改過嗎，抄沒有修改過、用襲的又是原版的SVMLIM工具箱的話，運行應該是無錯的，因為所有的案例代碼都經過校正。
維數不一致，可能是指low_predict 和Low'的維度不一致，或者是error矩陣的維數設置錯了。

SVM的主要思想可以概括為兩點：⑴它是針對線性可分情況進行分析，對於線性不可分的情況，通過使用非線性映射演算法將低維輸入空間線性不可分的樣本轉化為高維特徵空間使其線性可分，從而 使得高維特徵空間採用線性演算法對樣本的非線性特徵進行線性分析成為可能。