您好,登錄后才能下訂單哦!
這篇文章主要介紹“GRNN和多層前饋網(wǎng)絡(luò)BP實(shí)例比較分析”,在日常操作中,相信很多人在GRNN和多層前饋網(wǎng)絡(luò)BP實(shí)例比較分析問(wèn)題上存在疑惑,小編查閱了各式資料,整理出簡(jiǎn)單好用的操作方法,希望對(duì)大家解答”GRNN和多層前饋網(wǎng)絡(luò)BP實(shí)例比較分析”的疑惑有所幫助!接下來(lái),請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧!
GRNN神經(jīng)網(wǎng)絡(luò)和BP網(wǎng)絡(luò)都可以用于貨運(yùn)量的預(yù)測(cè),但對(duì)具體的網(wǎng)絡(luò)訓(xùn)練來(lái)說(shuō),GRNN需要調(diào)整的參數(shù)較少,只有一個(gè)spread參數(shù),因此可以更快地預(yù)測(cè)網(wǎng)絡(luò),具有較大的計(jì)算優(yōu)勢(shì)。
這是BP網(wǎng)絡(luò)的實(shí)現(xiàn):
clear
load best
%這是GRNN預(yù)測(cè)完保存的相關(guān)數(shù)據(jù)
n=13;
p=desired_input;
t=desired_output;
net_bp=newff(minmax(p),[n,3],{'tansig','purelin'},'trainlm');
% 訓(xùn)練網(wǎng)絡(luò)
net.trainParam.show=50;
net.trainParam.epochs=2000;
net.trainParam.goal=1e-3;
%調(diào)用TRAINLM算法訓(xùn)練BP網(wǎng)絡(luò)
net_bp=train(net_bp,p,t);
bp_prediction_result=sim(net_bp,p_test);
bp_prediction_result=postmnmx(bp_prediction_result,mint,maxt);
bp_error=t_test-bp_prediction_result';
disp(['BP神經(jīng)網(wǎng)絡(luò)三項(xiàng)流量預(yù)測(cè)的誤差為',num2str(abs(bp_error))])
到此,關(guān)于“GRNN和多層前饋網(wǎng)絡(luò)BP實(shí)例比較分析”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí),請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站,小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。