本文是知网上的一篇文章，文中主要采用了径向基函数神经网络模型。应用所介绍的神经网络模型，并用股票交易所的数据对其进行了模拟检验，结果表明这个系统是有一定的实用价值的。

教育在学生的生活中起着至关重要的作用。 在您选择区域时，会为学生提供几种选择。 学生的技能，能力，家族史，教育性质是选择职业道路的关键因素，这些因素可作为分类培训系统的准备。 增量学习技术管理着过去的专业知识，以适应未来的选择和更新系统。 在我们的整个工作中，我们使用机器学习方法或识别模型来预测学生的学业成绩，并且可以应用于教育的数据挖掘中。 我们希望在我们的研究报告中预测这种预测模型测试的效果。 在这项研究中，我们还将通过考虑围绕精度，特异性，质量，频率等各种因素，探索这种机器学习如何对改善教育系统做出贡献。我还提到了许多作者使用的几种技术来对机器学习进行分类。学生的表现。

在本文中，我们提出了一种使用机器学习方法预测某个学科的补充课程的模型。 这是一个基本的分类系统，可以发现学生是否会获得补充。 可以显示获得补充的个人或受试者明智的机会。 该模型使用K最近邻算法，这是一种懒惰算法，可提供较高的准确性。 所提出的方法将有助于分析补充学生，同时教师可以分析大概有多少学生将获得补充，并决定他/她在教书时应该给予多少额外的关注。

我国慢性疾病调查数据显示,目前全国慢性疾病确诊患者的数量达到了2.6亿 我国是世界上慢性疾病患者最多的国家，慢性疾病是一类高致残率、高死亡率而 且无法治愈的终身性疾病，已经成为当前我国医疗卫生事业发展道路上最大的障 碍。由于慢性疾病的特殊性，研究发现疾病预防是慢性疾病管理中最有效的措施， 疾病预测的研究对提高慢性疾病管理效率有着重要的意义。随着互联网和大数据 的发展，医疗数据的形式和数量不断增加，人们开始将数学模型用于疾病研究中， 通过定量分析的方法研究疾病的发病特征和原理，由于机器学习方法在处理复杂 数据问题时可以获得较好的精确度，被越来越多的人用于对疾病的预测研究。 在此背景下，本文旨在采用机器学习方法建立慢性疾病预测模型，在此基础上 搭建慢性疾病风险预测系统，通过该系统实现对用户慢性疾病风险的预测，进而 实现对高危人群的预警和疾病干预，达到对慢性疾病有效管理的目的。本文的主 要研究内容如下: (1)提出了新型慢性疾病管理模式。通过对我国目前的传统慢性疾病管理模 式的研究，分析了传统慢病管理模式存在的问题，结合新一代信息技术提出了新 型慢性疾病管理模式，强调疾病预测在慢性疾病管理中

将BP、RNN、SVM等机器学习算法应用于水质预测，预测出PH、溶解氧和氨氮等水质指标数值，精准度在90%以上。算法层面不过多阐述，主要是上述几种机器学习算法的集成。由于要写论文和申专利，这里只应用了SVM算法，精度也接近90%。本系统采用Django实现。

虚拟小区交通噪声环境影响预测系统构建研究.pdf

使用内核方法预测电力需求 这项工作的目标是实施下周能源消耗的预测方法。从工程的角度来看，任何负责电力服务网络的人都需要能够做出准确的预测，因为这是影响许多其他系统组件（如输电和配电）的东西，另一方面，电荷是能源价格的决定性因素，因为它是需求的指标， 所以它也应该是一个可靠的模型。准确可靠的模型在风险评估和管理中也至关重要。 首先，进行了数据的转换，因为它们与每小时的需求进行了细分，为了实现这项工作，我们将仅考虑日常用电量。为此，我们通过使用dem_diaria.m将相应24小时的消耗量相加来累积每天。功能。 由于高消耗值会导致计算和处理延迟，因此选择它来缩放数据，即使用规范化函数将其从 0 规范化为 1.m，并将非规范化.m函数返回到原始缩放。 为了形成回归量的向量，开发了一个回归量.m函数，从进入的日期开始，历史数据集，要符合的回归量的类型及其维度，返回相应的向量。

水质预测系统 概述 将BP、RNN、SVM等机器学习算法应用于水质预测，预测出PH、溶解氧和氨氮等水质指标数值，精准度在90%以上。算法层面不过多阐述，主要是上述几种机器学习算法的集成。由于要写论文和申专利，这里只应用了SVM算法，精度也接近90%。本系统采用Django实现。 系统功能 利用前三个月的水质数据，进行下月的水质预测 自动生成可交互式的预测图表用于展示 管理员能手动更新预测模型并管理水质数据 系统效果 主页 管理员界面 模型训练界面 预测界面 运行方式 将仓库克隆到本地 git clone https://github.com/sctpan/WaterQualityPredictSystem.git 进入manage.py同级目录，安装依赖 pip install -r requirements.txt 移植数据库 python manage.py migrate 运行程序

基于分词的关联规则预测系统研究.pdf

该项目不仅仅是web项目，他的侧重点是算法。该项目开发为java web项目，侧重点是对径流预测和调度的优化，使用了很多种的算法，比如在径流预测中使用了BP神经网络算法，多项式算法，使得预测精度能够符合要求。另外该项目里面用到了一些图形插件，可以供初学者使用。