楼主: buminuo
1763 5

求:BP网络做预测程序 [推广有奖]

  • 0关注
  • 0粉丝

大专生

5%

还不是VIP/贵宾

-

威望
0
论坛币
391 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
162 点
帖子
16
精华
0
在线时间
60 小时
注册时间
2009-12-4
最后登录
2016-6-1

3论坛币
如题,想找一段正确的、完整的BP网络程序,是完整的哦!可以做预测那种!谢谢各位高手们啦!

关键词:bp网络 程序 预测 网络

本帖被以下文库推荐

沙发
liuxin9023 发表于 2010-6-11 10:43:42 |只看作者 |坛友微信交流群
直接拿SPSS做吧

使用道具

藤椅
buminuo 发表于 2010-6-11 13:07:53 |只看作者 |坛友微信交流群
关键的重点就是需要用BP来做…… 2# liuxin9023

使用道具

板凳
wgtgting 发表于 2010-9-11 19:37:10 |只看作者 |坛友微信交流群
楼主问题解决了没?

使用道具

报纸
buminuo 发表于 2010-9-20 20:45:50 |只看作者 |坛友微信交流群
不能算完全解决吧,我自己编了一段,但是也不知道对不对呢 4# wgtgting

使用道具

地板
matlab-007 发表于 2014-12-20 11:44:29 |只看作者 |坛友微信交流群
%******************************% %======原始数据输入======== 
p=[2845 2833 4488;2833 4488 4554;4488 4554 2928;4554 2928 3497;2928 3497 2261;... 
3497 2261 6921;2261 6921 1391;6921 1391 3580;1391 3580 4451;3580 4451 2636;... 
4451 2636 3471;2636 3471 3854;3471 3854 3556;3854 3556 2659;3556 2659 4335;... 
2659 4335 2882;4335 2882 4084;4335 2882 1999;2882 1999 2889;1999 2889 2175;... 
2889 2175 2510;2175 2510 3409;2510 3409 3729;3409 3729 3489;3729 3489 3172;... 
3489 3172 4568;3172 4568 4015;]';     
%===========期望输出======= 
t=[4554 2928 3497 2261 6921 1391 3580 4451 2636 3471 3854 3556 2659 ... 4335 2882 4084 1999 2889 2175 2510 3409 3729 3489 3172 4568 4015 ... 3666];    
ptest=[2845 2833 4488;2833 4488 4554;4488 4554 2928;4554 2928 3497;2928 3497 2261;... 
3497 2261 6921;2261 6921 1391;6921 1391 3580;1391 3580 4451;3580 4451 2636;... 
4451 2636 3471;2636 3471 3854;3471 3854 3556;3854 3556 2659;3556 2659 4335;... 
2659 4335 2882;4335 2882 4084;4335 2882 1999;2882 1999 2889;1999 2889 2175;... 
2889 2175 2510;2175 2510 3409;2510 3409 3729;3409 3729 3489;3729 3489 3172;... 
3489 3172 4568;3172 4568 4015;4568 4015 3666]';    
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);  %将数据归一化ˉ    
NodeNum1 =20; % 隐含层第一层节点数 NodeNum2=40;   % 隐含层第二层节点数    
TypeNum = 1;   % 输出维数  TF1 = 'tansig'; TF2 = 'tansig';  TF3 = 'tansig'; 
net=newff(minmax(pn),[NodeNum1,NodeNum2,TypeNum],{TF1 TF2 TF3 },'traingdx'); %网络创建traingdm 
net.trainParam.show=50;  
net.trainParam.epochs=5000; %训练次数设置 net.trainParam.goal=1e-6; %训练所要达到的精度 net.trainParam.lr=0.01;   %学习速率 net=train(net,pn,tn);    
p2n=tramnmx(ptest,minp,maxp);%2测试数据的归一化 an=sim(net,p2n);   
[a]=postmnmx(an,mint,maxt)   %数据的反归一化,即最终得到的预测值 


  wk_ad_begin({pid : 21});wk_ad_after(21, function(){$('.ad-hidden').hide();}, function(){$('.ad-hidden').show();});   
  


  
plot(1:length(t),t,'o',1:length(t)+1,a,'+');  title('o表示实际值--- *表示实际值') grid on 
m=length(a);    %Ïòá¿aμÄ3¤¶è t1=[t,a(m)]; 
error=t1-a;     %Îó2îÏòá¿ figure 
plot(1:length(error),error,'-.')  title('误差变化图')  grid on 

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-5-12 18:05