WHKJ大学本科 毕业设计2摘要在多变量建模问题中，输入变量往往数量较多且与输出变量之间存在复杂的非线性关系，传统的变量筛选方法（如相关系数分析、逐步回归等）多基于线性假设，难以准确反映变量间真实的依赖程度，容易遗漏对输出有重要影响的非线性相关变量。同时，冗余或无关变量的存在不仅会增加模型复杂度，还可能导致过拟合，降低模型的泛化能力。因此，探索适用于非线性系统的变量筛选方法具有实际意义。针对这一问题，本文研究了一种基于 BP 神经网络与平均影响值（MIV）算法的变量筛选方法。该方法首先利用样本数据训练 BP 神经网络，建立输入与输出之间...
发表评论取消回复