資源簡介
由于神經網絡具有擬合非線性的能力,所以可以用神經網絡來處理內部模型的非線性特性,因此這種內部模型采用神經網絡的非線性PLS方法得到了廣泛的應用。傳統的前饋神經網絡在訓練中采用梯度學習算法,網絡中的參數需要迭代更新,不僅訓練時間長,而且容易導致局部極小和過度訓練等問題,另外其多隱層的結構也導致了樣本訓練速度慢,訓練誤差大"此外,Bartlett提出對于已達到最小訓練誤差的前饋神經網絡,權值越小泛化特性越好,而傳統的梯度學習算法僅僅考慮訓練誤差最小,忽視了權值大小對網絡的影響,這些問題都將影響到模型的泛化特性。
代碼片段和文件信息
tic
clear
close?all
load?xn.mat;load?yn.mat;load?xnn.mat;load?ynn.mat;
Xtrain=xn;Ytrain=yn;
Xtest=xnn;Ytest=ynn;
%開始訓練
sinc_train=cat(2YtrainXtrain);
sinc_test=cat(2YtestXtest);
[TrainingTime?TestingTime?TrainingAccuracy?TestingAccuracy?Y?TY]=elm(sinc_trainsinc_test027‘sig‘);
i=1:50;
figureplot(iY‘-*r‘iYtrain‘-o‘);
figureplot(iTY‘-*r‘iYtest‘-o‘);
sse=sqrt(sum((TY‘-Ytest).^2)/50);
a=0;
for?i=1:50
????if(abs(TY(1i)-Ytest(i1))<0.5)
????????a=a+1;
????end
end
a;
HR=a/50;
time=toc;
%訓練時間和檢驗時間
%TrainingTime
%TestingTime
%求取訓練精度與檢驗精度
%%TrainingAccuracy
%Etrain=0;Etest=0;
%for?i=1:1000
%?Etrain=Etrain+abs(Y(i)-Ytrain(i))/6;
%end
%Etest=abs(TY-Ytest)/6;
%Ytest/6
%TY/6
%Etrain/1000
%Etest
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????799??2008-10-18?11:37??ELM-PLS\DELM.m
?????文件???????8072??2008-10-23?18:33??ELM-PLS\ELM.asv
?????文件???????8094??2008-10-23?19:09??ELM-PLS\ELM.m
?????文件???????1012??2008-10-23?18:58??ELM-PLS\main_pls.asv
?????文件???????1038??2008-10-27?07:53??ELM-PLS\main_pls.m
?????文件????????529??2008-10-17?09:53??ELM-PLS\plss.m
?????文件???????4030??2008-09-29?22:37??ELM-PLS\xn.mat
?????文件???????4025??2008-09-29?22:37??ELM-PLS\xnn.mat
?????文件????????599??2008-09-29?22:37??ELM-PLS\yn.mat
?????文件????????600??2008-09-29?22:37??ELM-PLS\ynn.mat
?????文件????????417??2008-09-29?22:37??ELM-PLS\yystandard.m
?????目錄??????????0??2013-03-11?14:06??ELM-PLS
-----------?---------??----------?-----??----
????????????????29215????????????????????12
評論
共有 條評論