【病人状态分类】基于matlab BP神经网络病人状态分类【含Matlab源码 】

病人状态分类。 属性包括:（1）手术时病人年龄；（2）手术时间(年- 1900)；（3）发现腋窝淋巴结的个数 病人状态(2类)： 1 =病人存活5年或更长时间 2 =患者在5年内死亡 1. 随机选200个数据为训练样本，其它作为测试样本。 2. 分别采用 自适应线性网络、BP神经网络以及改进BP网络进行分类，在相同的训练精度下，从测试样本的分类准确率、训练时间、训练次数等比较三者性能。

【风电功率预测】基于matlab BP神经网络风电功率预测【含Matlab源码 】

数据文件给出了1月1日至5月31日每天某风电场风电机组的监测数据，包括风速、风向和机组的输出功率。 要求采用BP网络和改进BP网络对机组输出功率进行预测，预测时间范围为5月1日至5月31日。 1. 根据 风速与风向，预测机组的输出功率。1到4月份为训练样本，预测时间范围为5月1日至5月31日。 采用 均方根误差，平均相对误差、离差与相关系数等指标，分析比较预测性能。 2. 分别采用 自适应线性网络与BP神经网络进行预测，在相同的训练精度下，从网络结构、预测精度、训练时间、训练次数等比较两者性能。 3. 比较 在数据进行预处理（归一化）及不进行预处理情况下，BP网络训练的效果。

【风电功率预测】基于matlab 自适应网络风电功率预测 【含matlab源码】

完整代码可直接运行 数据文件给出了1月1日至5月31日每天某风电场风电机组的监测数据，包括风速、风向和机组的输出功率。 预测时间范围为5月1日至5月31日。 1. 根据 风速与风向，预测机组的输出功率。1到4月份为训练样本，预测时间范围为5月1日至5月31日。 采用 均方根误差，平均相对误差、离差与相关系数等指标，分析比较预测性能。 2. 分别采用 自适应线性网络进行预测