当前位置:2019年香港六彩全年资料 > 代价函数 >

利用RBF神经网络做预测

  一列数据有300(1-300)个,我想用前290个作为RBF神经网络的训练样本,后10个数据组成神经网络的检验样本。并利用以上模型预测后面的50个值(301-350),程序应该怎么写?谢谢大神。...

  一列数据有300(1-300)个,我想用前290个作为RBF神经网络的训练样本,后10个数据组成神经网络的检验样本。并利用以上模型预测后面的50个值(301-350),程序应该怎么写?谢谢大神。

  可选中1个或多个下面的关键词,搜索相关资料。也可直接点“搜索资料”搜索整个问题。

  还有比较简单的是用广义RBF网络,直接用grnn函数就能实现,基本形式是y=grnn(P,T,spread),你可以用help grnn看具体用法。GRNN的预测精度是不错的。

  广义RBF网络:从输入层到隐藏层相当于是把低维空间的数据映射到高维空间,输入层细胞个数为样本的维度,所以隐藏层细胞个数一定要比输入层细胞个数多。从隐藏层到输出层是对高维空间的数据进行线性分类的过程,可以采用单层感知器常用的那些学习规则,参见神经网络基础和感知器。

  注意广义RBF网络只要求隐藏层神经元个数大于输入层神经元个数,并没有要求等于输入样本个数,实际上它比样本数目要少得多。因为在标准RBF网络中,当样本数目很大时,就需要很多基函数,权值矩阵就会很大,计算复杂且容易产生病态问题。另外广RBF网与传统RBF网相比,还有以下不同:

  3.输出函数的线性变换中包含阈值参数,用于补偿基函数在样本集上的平均值与目标值之间的差别。

http://elzabg.com/daijiahanshu/1104.html
点击次数:??更新时间2019-08-06??【打印此页】??【关闭
  • Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有  
  • 点击这里给我发消息
在线交流 
客服咨询
【我们的专业】
【效果的保证】
【百度百科】
【因为有我】
【所以精彩】