|
matlab神经网络 股票预测模型,《MATLAB 智能算法 30 例》：第 25 章用 Mentors 学习神经网络的回归拟合 - 基础
网络整理
|
2022-07-23 16:53:25
《智能算法30例》：第25章神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
1.前言
《智能算法：30个案例分析》是北京航空航天大学出版社2011年7月1日出版的书籍。作者是于磊、石峰、王辉、胡飞。本书中的案例是作者多年算法研究经验的总结。书中所有案例都是根据网友在国内各大技术论坛的切身需求精心设计的，很多案例涉及的内容和解决方法在国内出版书籍中很少有介绍。 《智能算法30例分析》采用案例的形式，以智能算法为主线matlab神经网络 股票预测模型，讲解遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群等最常用的智能算法算法和神经网络算法。实现。
本书一共给出了30个案例。每个案例都是使用智能算法解决问题的具体示例。所有案例均由理论讲解、案例背景、方案实施和延伸阅读四部分组成。完整的原版程序使读者在掌握算法的同时matlab神经网络 股票预测模型，能够快速提高利用算法解决实际问题的能力。 《智能算法30例分析》可作为本科毕业设计、研究生项目设计、低年级博士项目设计的参考书，对广大科研人员也有较高的参考价值。
《智能算法30个案例分析》和《神经网络43个案例分析》均由北京航空航天大学出版社出版，其中的智能算法应该属于神经网络兴起之前的智能预测和分类算法网络。它是一个热门领域，广泛用于数字信号处理，如图像和语音。本系列文章结合实际案例进行模拟复制。他们中的许多人在研究生学习期间和下班后都有相关的学习申请。这一次，模拟示例被复制以供学习。算法的理解和实践。先从仿真例子开始，主要介绍各章的源码应用例子。本文主要基于（32位）平台仿真实现。这是本书的第二十五章。导师基于近红外光谱预测汽油辛烷值实例学习神经网络的回归拟合，话不多说，开始吧！
2.模拟示例
打开，点击“首页”，点击“打开”，找到示例文件
选择main.m并点击“打开”
main.m的源码如下：
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%功能：有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测示例
%环境：Win7，Matlab2015b
%Modi: C.S
%时间：2022-07-09
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 清空环境
clc
clear all
close all
tic
%% 第25章 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
% html>
% table border="0" width="600px" id="table1"> tr> td>b>font size="2">该案例作者申明：/font>/b>/td> /tr> tr>td>span class="comment">font size="2">1：本人长期驻扎在此a target="_blank" href="http://www.matlabsky.com/forum-78-1.html">font color="#0000FF">板块/font>/a>里，对该案例提问，做到有问必答。/font>/span>/td>/tr>tr> td>span class="comment">font size="2">2/font>font size="2">：此案例有配套的教学视频，视频下载请点击a href="http://www.matlabsky.com/forum-91-1.html">http://www.matlabsky.com/forum-91-1.html。 3：此案例为原创案例，转载请注明出处（《MATLAB智能算法30个案例分析》）。 4：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。 5：以下内容为初稿，与实际发行的书籍内容略有出入，请以书籍中的内容为准。
% /html>
%% 训练集/测试集产生
load spectra_data.mat
% 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
%% BP神经网络创建、训练及仿真测试
% 创建网络
net = newff(P_train,T_train,9);
% 设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
% 训练网络
net = train(net,P_train,T_train);
% 仿真测试
T_sim_bp = sim(net,P_test);
%% RBF神经网络创建及仿真测试
% 创建网络
net = newrbe(P_train,T_train,0.3);
% 仿真测试
T_sim_rbf = sim(net,P_test);
%% 性能评价
% 相对误差error
error_bp = abs(T_sim_bp - T_test)./T_test;
error_rbf = abs(T_sim_rbf - T_test)./T_test;
% 决定系数R^2
R2_bp = (N * sum(T_sim_bp .* T_test) - sum(T_sim_bp) * sum(T_test))^2 / ((N * sum((T_sim_bp).^2) - (sum(T_sim_bp))^2) * (N * sum((T_test).^2) - (sum(T_test))^2));
R2_rbf = (N * sum(T_sim_rbf .* T_test) - sum(T_sim_rbf) * sum(T_test))^2 / ((N * sum((T_sim_rbf).^2) - (sum(T_sim_rbf))^2) * (N * sum((T_test).^2) - (sum(T_test))^2));
% 结果对比
result_bp = [T_test' T_sim_bp' T_sim_rbf' error_bp' error_rbf']
%% 绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim_bp,'r-o',1:N,T_sim_rbf,'k-.^')
legend('真实值','BP预测值','RBF预测值')
xlabel('预测样本')
ylabel('辛烷值')
string = {'测试集辛烷值含量预测结果对比(BP vs RBF)';['R^2=' num2str(R2_bp) '(BP)' ' R^2=' num2str(R2_rbf) '(RBF)']};
title(string)
toc
%%
% html>
% table width="656" align="left" > tr>td align="center">p align="left">font size="2">相关论坛：/font>/p>p align="left">font size="2">Matlab技术论坛：a href="http://www.matlabsky.com">www.matlabsky.com/a>/font>/p>p align="left">font size="2">M/font>font size="2">atlab函数百科：a href="http://www.mfun.la">www.mfun.la/a>/font>/p>/td> /tr>/table>
% /html>
添加后点击“运行”开始模拟，输出模拟结果如下：
result_bp =
85.5000 86.5046 85.0580 0.0117 0.0052
88.6500 88.1165 88.7372 0.0060 0.0010
88.7500 88.1484 85.4607 0.0068 0.0371
88.1000 88.2871 88.8072 0.0021 0.0080
85.3000 85.6649 86.0680 0.0043 0.0090
87.3000 87.7320 87.6422 0.0049 0.0039
87.0000 86.8574 86.6992 0.0016 0.0035
86.8500 86.7348 86.5806 0.0013 0.0031
88.3500 88.3513 88.1100 0.0000 0.0027
88.5500 88.7175 83.7434 0.0019 0.0543
时间已过 6.732558 秒。
分别点击、State，得到如下图标：
3.总结
神经网络的学习规则也称为神经网络的训练算法，用于计算和更新神经网络的权重和阈值。学习规则有两大类；辅导学习和辅导学习。在辅导学习中，需要为学习规则提供一系列正确的网络输入/输出对（即训练样本）。当网络输入时，将网络输出与对应的期望值进行比较，然后应用学习规则调整权重和阈值，使网络的输出接近期望值。在无监督学习中，权重和阈值的调整只与网络输入有关，没有期望值。这些算法中的大多数使用聚类方法将输入模式分类为有限的类别。如果对本章内容感兴趣或者想完全理解，建议学习本书第25章的内容。后面会在自己理解的基础上补充其中的一些知识点，欢迎大家一起学习交流。
宛西生活网（wWw.zsdarong.Cn）传播宛西文化生活与新闻信息
特别声明：本文为宛西生活网作者上传并发布，仅代表作者观点。宛西生活网提供信息发布平台。
上一篇：matlab神经网络 股票预测模型,《MATLAB智能算法30例》：第29章支持向量机的回归拟合——混凝土压缩
下一篇：
|