北方苍鹰算法(NGO)优化BP神经网络回归预测,NGO |
您所在的位置:网站首页 › bp神经网络的测试样本和训练样本比例一样吗 › 北方苍鹰算法(NGO)优化BP神经网络回归预测,NGO |
%% 清空环境变量 warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 % restoredefaultpath %% 导入数据 P_train = xlsread('data','training set','B2:G191')'; T_train= xlsread('data','training set','H2:H191')'; % 测试集——44个样本 P_test=xlsread('data','test set','B2:G45')'; T_test=xlsread('data','test set','H2:H45')'; %% 划分训练集和测试集 M = size(P_train, 2); N = size(P_test, 2); %% 数据归一化 [p_train, ps_input] = mapminmax(P_train,0,1); p_test = mapminmax('apply',P_test,ps_input); [t_train, ps_output] = mapminmax(T_train,0,1); t_test = mapminmax('apply',T_test,ps_output); %% 节点个数 inputnum = size(p_train, 1); % 输入层节点数 hiddennum = 15; % 隐藏层节点数 outputnum = size(t_train, 1); % 输出层节点数 %% 构建网络 net = newff(p_train, t_train, hiddennum); %% 设置训练参数 net.trainParam.epochs = 50; % 训练次数 net.trainParam.goal = 1e-4; % 目标误差 net.trainParam.lr = 0.01; % 学习率 net.trainParam.showWindow = 0; % 关闭窗口 %% 参数设置 fun = @getObjValue; % 目标函数 dim = inputnum * hiddennum + hiddennum * outputnum + ... hiddennum + outputnum; % 优化参数个数 智能算法及其模型预测 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |