bp神经网络回归预测python
@金斌1517：BP神经网络的预测(回归)过程C语言程序 -
桑往17684724928…… 神经网络本质也是一种数据回归模型.我们举个简单的例子 y=ax^2+bx+c,有三个系数要回归,如果只给你1~2组数据,你觉得能回归好吗?考虑到样本本身有误差,为了防止过拟合(或过学习),一般要求神经网络的训练样本数是连接权系数(包括阈值)的2~3倍.你用了太多的连接权系数(包括阈值),即使效果不错,风险仍然很高.
@金斌1517：用Matlab编程BP神经网络进行预测 -
桑往17684724928…… 原理就是:建立网络-数据归一化-训练-预测-数据反归一化.附件是电力负荷预测的例子,可以参考.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
@金斌1517：matlab程序 BP神经网络预测 程序如下: -
桑往17684724928…… P=[...];输入T=[...];输出% 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],,'traingdm')% 当前输入层权值和阈值 inputWeights=net_1.IW inputbias=net_1.b% 当前网络层权值和阈值 layerWeights=net_1.LW layerbias=net_1.b 应该没问题吧.
@金斌1517：编写matlab的bp神经网络用于预测 -
桑往17684724928…… 直接用神经网络工具箱里面的函数做: d = [ 1 0.31 0.27 0.41 0.2 0.6 0.21 2 0.31 0.27 0.41 0.2 0.7 0.19 3 0.31 0.27 0.41 0.2 0.8 0.17 4 0.31 0.39 0.63 0.5 0.6 0.62 5 0.31 0.39 0.63 0.5 0.7 0.63 6 0.31 0.39 0.63 0.5 0.8 0.65 7 0.31 0.51 0.85 0.8 0.6 ...
@金斌1517：bp神经网络预测matlab源代码 -
桑往17684724928…… P=[1;2;3;4;5];%月 P=[P/50];T=[2;3;4;5;6];%月训练样本 T=[T/50];threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1]; net=newff(threshold,[15,7],{'tansig','logsig'},'trainlm'); net.trainParam.epochs=2000; net.trainParam.goal=0.001; LP.lr=0.1; net=train(net,P,T); P_test=[6月]';%6月数据预测7月 P_test=[P_test/50]; y=sim(net,P_test) y=[y*50]
@金斌1517：神经网络bp算法可以对样本进行预测,具体是预测什么? -
桑往17684724928…… 他的预测是这样的一个意思:比如你知道x=1,2,3时y分别等于7,4,8,那么神经网络可以告诉你x=1.5或者x=1.254的时候,y等于多少.或者,你知道 x=1;y=1时z=2; x=5;y=3时z=4; x=3;y=2时z=9;...(任意几组,少至2组,多至几百组上千组都可以) 这个时候,利用神经网络,你可以知道x=1.354;y=4.654时z的值 如果只有两组,可想而知,这个网络的预测精度并不是很高,而且利用一般的数学方法就很容易完成预测;但是如果有上千组,那用一般的数学方法完成这样的预测基本上就是不可能的,而神经网络可以很容易的进行预测,建立一个能对这些样本很好拟合的网络,完成这样的预测.
@金斌1517：用matlab中bp神经网络实现由输入值预测输出值的程序 -
桑往17684724928…… 给你个例子如下,net=newff(inputn,outputn,[8,4],{'tansig','purelin'},'trainscg');%初始化网络结构%网络参数配置(迭代次数、学习率、目标) net.trainParam.epochs=3000; net.trainParam.lr=0.08; net.trainParam.goal=0.05; net.divideFcn = ''; [net,tr]...
@金斌1517：bp神经网络怎么实现的预测,只会拟合 -
桑往17684724928…… 测试BP神经网络的拟合能力和泛化能力,按这种说法是同一概念,但是拟合和泛化在其它领域是完全不同的,这个要区分清楚.测试一个神经网络的拟合能力,这种说法很少用,大家经常用的是测试神经网络的泛化能力.
@金斌1517：bp神经网络预测模型matlab代码 -
桑往17684724928…… 将p矩阵转置,行代表年度,列代表季度,然后用1998~2012年的数据训练2013年的数据,再用1999~2013年的数据预测2014年的数据.
@金斌1517：BP神经网络预测代码 -
桑往17684724928…… 你这是在做时间序列呢.你可以去《神经网络之家》nnetinfo----》学习教程二--->神经网络在时间序列上的应用 上面有讲解.我把代码摘抄给你% time series:神经网络在时间序列上的应用 % 本代码出自《神经网络之家》 timeList = 0 :0.01 : 2*pi...
桑往17684724928…… 神经网络本质也是一种数据回归模型.我们举个简单的例子 y=ax^2+bx+c,有三个系数要回归,如果只给你1~2组数据,你觉得能回归好吗?考虑到样本本身有误差,为了防止过拟合(或过学习),一般要求神经网络的训练样本数是连接权系数(包括阈值)的2~3倍.你用了太多的连接权系数(包括阈值),即使效果不错,风险仍然很高.
@金斌1517：用Matlab编程BP神经网络进行预测 -
桑往17684724928…… 原理就是:建立网络-数据归一化-训练-预测-数据反归一化.附件是电力负荷预测的例子,可以参考.BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一.BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程.它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小.BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer).
@金斌1517：matlab程序 BP神经网络预测 程序如下: -
桑往17684724928…… P=[...];输入T=[...];输出% 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],,'traingdm')% 当前输入层权值和阈值 inputWeights=net_1.IW inputbias=net_1.b% 当前网络层权值和阈值 layerWeights=net_1.LW layerbias=net_1.b 应该没问题吧.
@金斌1517：编写matlab的bp神经网络用于预测 -
桑往17684724928…… 直接用神经网络工具箱里面的函数做: d = [ 1 0.31 0.27 0.41 0.2 0.6 0.21 2 0.31 0.27 0.41 0.2 0.7 0.19 3 0.31 0.27 0.41 0.2 0.8 0.17 4 0.31 0.39 0.63 0.5 0.6 0.62 5 0.31 0.39 0.63 0.5 0.7 0.63 6 0.31 0.39 0.63 0.5 0.8 0.65 7 0.31 0.51 0.85 0.8 0.6 ...
@金斌1517：bp神经网络预测matlab源代码 -
桑往17684724928…… P=[1;2;3;4;5];%月 P=[P/50];T=[2;3;4;5;6];%月训练样本 T=[T/50];threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1]; net=newff(threshold,[15,7],{'tansig','logsig'},'trainlm'); net.trainParam.epochs=2000; net.trainParam.goal=0.001; LP.lr=0.1; net=train(net,P,T); P_test=[6月]';%6月数据预测7月 P_test=[P_test/50]; y=sim(net,P_test) y=[y*50]
@金斌1517：神经网络bp算法可以对样本进行预测,具体是预测什么? -
桑往17684724928…… 他的预测是这样的一个意思:比如你知道x=1,2,3时y分别等于7,4,8,那么神经网络可以告诉你x=1.5或者x=1.254的时候,y等于多少.或者,你知道 x=1;y=1时z=2; x=5;y=3时z=4; x=3;y=2时z=9;...(任意几组,少至2组,多至几百组上千组都可以) 这个时候,利用神经网络,你可以知道x=1.354;y=4.654时z的值 如果只有两组,可想而知,这个网络的预测精度并不是很高,而且利用一般的数学方法就很容易完成预测;但是如果有上千组,那用一般的数学方法完成这样的预测基本上就是不可能的,而神经网络可以很容易的进行预测,建立一个能对这些样本很好拟合的网络,完成这样的预测.
@金斌1517：用matlab中bp神经网络实现由输入值预测输出值的程序 -
桑往17684724928…… 给你个例子如下,net=newff(inputn,outputn,[8,4],{'tansig','purelin'},'trainscg');%初始化网络结构%网络参数配置(迭代次数、学习率、目标) net.trainParam.epochs=3000; net.trainParam.lr=0.08; net.trainParam.goal=0.05; net.divideFcn = ''; [net,tr]...
@金斌1517：bp神经网络怎么实现的预测,只会拟合 -
桑往17684724928…… 测试BP神经网络的拟合能力和泛化能力,按这种说法是同一概念,但是拟合和泛化在其它领域是完全不同的,这个要区分清楚.测试一个神经网络的拟合能力,这种说法很少用,大家经常用的是测试神经网络的泛化能力.
@金斌1517：bp神经网络预测模型matlab代码 -
桑往17684724928…… 将p矩阵转置,行代表年度,列代表季度,然后用1998~2012年的数据训练2013年的数据,再用1999~2013年的数据预测2014年的数据.
@金斌1517：BP神经网络预测代码 -
桑往17684724928…… 你这是在做时间序列呢.你可以去《神经网络之家》nnetinfo----》学习教程二--->神经网络在时间序列上的应用 上面有讲解.我把代码摘抄给你% time series:神经网络在时间序列上的应用 % 本代码出自《神经网络之家》 timeList = 0 :0.01 : 2*pi...
