时序预测 | MATLAB实现HMM(隐马尔科夫)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

完成GMSK的正交调制及解调，有完整的维特比译码算法 完成GMSK的正交调制及解调，有完整的维特比译码算法 完成GMSK的正交调制及解调，有完整的维特比译码算法 完成GMSK的正交调制及解调，有完整的维特比译码算法

里面包含数学建模的常用算法：神经网络、插值与拟合、回归、模拟退火、图论、微分方程与差分方程、遗传算法、统计与分析。上述的每一种算法，我都给出了简要使用说明和典型应用。

matlab复变函数指数函数代码set-mifs 基于集合互信息的Matlab特征选择算法的Matlab实现 介绍 在文献中已经提出了使用互信息（MI）来确定模式识别任务中特征的显着性的思想的许多变体。 但是，它们有其局限性：在变量对之间计算MI不能捕获变量组之间更复杂的交互，而对于大于2的特征空间子集计算MI很快就变得难以计算。 确实，一些作者（参见Kwak＆Choi，2002）已经简要概述了基于全集的互信息算法，只是将其从计算上抛在一边，以至于在实践中是不可能的。 此处实现的算法是一种计算组的MI的快速方法，可完全解决计算难点。 算法 该算法基于两个简单的数学事实： 在内射（一对一）函数下，互信息不变，即对于任意变量U和V，对于任何内射函数g，I（U; V）= I（U; g（V）） 内射功能的组合本身就是内射功能。 本质上，此算法将多个注入函数应用于特征空间，以达到可以以其他方式无法实现的效率进行处理的表示形式。 与蛮力方法的指数复杂度形成鲜明对比的是，该算法的总复杂度相对于数据点数量而言是次二次的，相对于特征数量而言是线性的。 下图给出了步骤的实际示例： Lampen（2004）

时序预测 | MATLAB实现DBN(深度置信网络)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

第 9 章ARCH 模型和 GARCH 模型 *重要阅读材料 Engle, Robert, 2004, risk and volatility: econometric models and financial practice, AER, 94(3: 405-420. 研究内容研究随时间而变化的风险 回忆Markowitz 均值方差投资组合选择模型怎样度量资产的 风险 本章模型与以前所学的异方差

时序预测 | MATLAB实现Bayes（贝叶斯）优化LSTM(长短期记忆神经网络)时间序列预测（完整源码和数据） 数据为一维时序列数据,运行环境MATLAB2018b及以上。

回归预测 | MATLAB实现CNN-LSTM多输入单输出（完整源码和数据） 本次运行测试环境MATLAB2020b，MATLAB实现CNN-LSTM多输入单输出预测。

回归预测 | MATLAB实现Attention-LSTM(注意力机制长短期记忆神经网络)多输入单输出（完整源码和数据） 多输入单输出,运行环境MATLAB2020b及以上。

回归预测 | MATLAB实现SVR(支持向量机回归)多输入单输出（完整源码和数据） 本程序为SVR支持向量机回归模型，多输入单输出，运行环境MATLAB2018b。