GRNN和多层前馈网络BP实例比较分析
这篇文章主要介绍“GRNN和多层前馈网络BP实例比较分析”,在日常操作中,相信很多人在GRNN和多层前馈网络BP实例比较分析问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”GRNN和多层前馈网络BP实例比较分析”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
成都创新互联-专业网站定制、快速模板网站建设、高性价比西山网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式西山网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖西山地区。费用合理售后完善,十余年实体公司更值得信赖。
GRNN神经网络和BP网络都可以用于货运量的预测,但对具体的网络训练来说,GRNN需要调整的参数较少,只有一个spread参数,因此可以更快地预测网络,具有较大的计算优势。
这是BP网络的实现:
clear
load best
%这是GRNN预测完保存的相关数据
n=13;
p=desired_input;
t=desired_output;
net_bp=newff(minmax(p),[n,3],{'tansig','purelin'},'trainlm');
% 训练网络
net.trainParam.show=50;
net.trainParam.epochs=2000;
net.trainParam.goal=1e-3;
%调用TRAINLM算法训练BP网络
net_bp=train(net_bp,p,t);
bp_prediction_result=sim(net_bp,p_test);
bp_prediction_result=postmnmx(bp_prediction_result,mint,maxt);
bp_error=t_test-bp_prediction_result';
disp(['BP神经网络三项流量预测的误差为',num2str(abs(bp_error))])
到此,关于“GRNN和多层前馈网络BP实例比较分析”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!
网站名称:GRNN和多层前馈网络BP实例比较分析
网页网址:http://scyanting.com/article/jhosch.html