神经建模

创建模板化神经行为系统演示脚本

使用MATLAB基于模板创建一系列神经行为系统演示脚本。该过程依赖于来自Guillaume Flandin的m2html中的模板类，详细信息请参见： https://github.com/pdollar/toolbox/tree/master/external/m2html/@template

Matlab 0 2024-11-04

MATLAB神经网络案例BP神经网络非线性系统建模与函数拟合

随着技术的不断发展，MATLAB神经网络在处理非线性系统建模和函数拟合方面展示出了强大的应用潜力。

Matlab 0 2024-08-29

基于神经网络的系统建模及MATLAB应用优化

MATLAB具备强大功能，适用于基于神经网络的系统建模与实现。

Matlab 0 2024-08-25

BP神经网络非线性系统建模-非线性函数拟合

本资料可用于参考和学习。

算法与数据结构 4 2024-05-13

神经网络工具箱集成SVM和NPA的数学建模算法

随着技术的进步，神经网络工具箱在matlab中的数学建模算法变得越来越实用。

Matlab 0 2024-08-23

RS-BT神经网络融合建模在滑坡灾害预测中的应用

结合粗糙集和遗传神经网络，提出一种融合建模方法用于滑坡灾害预测。通过建立决策表并进行约简，利用粗糙集提取影响因素，再以这些因素支持度配置BP神经网络初始权值。该模型有效去除冗余信息，提升了运算速度和预测精度，在工程实践中具有应用价值。

数据挖掘 4 2024-05-01

MongoDB 数据建模

以数据使用和更好的架构设计为重点，借助 MongoDB Packt 2015，优化 MongoDB 数据建模。

MongoDB 5 2024-05-13

PowerDesigner建模指南

创建数据库与模型：建立数据架构的基础。 创建表、表空间、序列：定义数据存储结构。 创建用户：管理数据库访问权限。 设置关系：建立表之间的关联。 生成数据库脚本：将模型转换为可执行代码。 连接数据库：与外部数据库建立通信。 反向工程：从现有数据库生成模型。 修改数据模型：调整数据结构。 更新数据库：将模型更改同步到数据库。 生成数据字典：记录数据库元数据。 生成测试数据：填充数据库以进行测试。 配置数据源：连接到不同类型的数据源。

SQLServer 3 2024-05-20

提升建模技术

提升建模技术利用随机科学控制方法，不仅能评估行为效果，还能建立预测模型，预测行为的增量响应。这种数据挖掘技术主要应用于金融服务、电信和零售直销行业，用于增加销售、交叉销售、减少客户流失。传统的倾向模型和响应模型只是对目标用户进行评分，而没有确保模型的结果能够最大化活动效果。因此，需要另一种统计模型来确定哪些用户可能对营销推广活动产生显著反应，即“敏感于营销”的用户。提升建模技术的最终目标是识别最可能受到营销活动影响的用户，以提升活动的效果（r(test)- r(control)），增加投资回报率（ROI），提高整体市场响应率。

数据挖掘 2 2024-07-15

实体关系建模

实体关系建模（ER图）是数据库设计的关键技术之一。

Oracle 0 2024-08-08