广义回归神经网络及其在Matlab中的实现_第1页
广义回归神经网络及其在Matlab中的实现_第2页
广义回归神经网络及其在Matlab中的实现_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

广义回归神经网络及其在Matlab中的实现广义回归神经网络是径向基函数神经网络的一种特殊形式。与目前流行的前馈神经网络相比，它具有下述几项优点。1）首先，它的网络结构相对简单，除了输入和输出层外，一般只有两个隐藏层模式层和求和层。而模式中隐藏单元的个数，与训练样本的个数是相同的。2）其次，它的网络训练非常简单。当训练样本通过隐藏层的同时，网络训练随即完成。而不像前馈神经网络一样，需要非常长的训练时间和高的计算成本。3）由于简单的网络结构，我们不需要对网络的隐藏层数和隐藏单元的个数进行估算和猜测。由于它是从径向基函数引申而来，因此只有一个自由参数，即径向基函数的平滑参数。而它的优化值可以通过交叉验证的方法非常容易的得到。4）最后，它的一个非常值得强调的优点就是，网络计算结果的全局收敛性。标准的前馈神经网络的计算结果则会经常不能达到全局收敛，而停止在局部收敛。下面是我昨晚匆忙写下的一段Matlab程序，展示如何实现广义回归神经网络和通过交叉验证来估算径向基函数的平滑参数，希望对大家有帮助。

345345了01011121314151百1718192D2122232425262728293031323334353^37333940总14Z434445464748Y■transpose(data(:,2));[n,m]=siae(Y);tx?3in_index:=2：2：ia;%SPLITTHERESPONSEVECTORINTOTRAINIHGANDTESTIHG七rainY™七rainindex);testY=Y；test_Y(tra)=[];%SPLITXMATRIXINTOTRAININGANDTESTINGX0transpose(data(it3:10));trainX=X(:ftrainindex);testX=X;tes七X(:ftrainindex)—[];宠STANDARDIZEXMATRIXINTRAININGSET[train_X2zmap]=jiiapstd(traiii_X);电STANDARDIZEXMATRIXINTESTINGSETtest_X2=jnapstd(applyT,testx,map>;*CHECKIFVARIANCE十1var(transpose(train_X2))var(transpose(testX2))%TESTINGDIFFERENTSPREADOFRADIALBASISFUNCTIONj-0；for1=1:0,02:2岂TRAINAGRNNgrnn=newgrnn(train_X2rtrm丄n_Y,1);%CALCULATETHEPREDICTIONFORTESTINGSETtestP=sim(grnnrtestX2);.迹_Eifj==0spread—i;perf=sse(test_Y-test_P);elsespread=[spreadz1];|perf=[perfsse(test_Y一test_P)];end;j=j+1；end;

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论