資源簡介
【目錄】- MATLAB神經網絡30個案例分析(開發實例系列圖書)
第1章 BP神經網絡的數據分類——語音特征信號分類1
本案例選取了民歌、古箏、搖滾和流行四類不同音樂,用BP神經網絡實現對這四類音樂的有效分類。
第2章 BP神經網絡的非線性系統建模——非線性函數擬合11
本章擬合的非線性函數為y=x21+x22。
第3章 遺傳算法優化BP神經網絡——非線性函數擬合21
根據遺傳算法和BP神經網絡理論,在MATLAB軟件中編程實現基于遺傳算法優化的BP神經網絡非線性系統擬合算法。
第4章 神經網絡遺傳算法函數極值尋優——非線性函數極值尋優36
對于未知的非線性函數,僅通過函數的輸入輸出數據難以準確尋找函數極值。這類問題可以通過神經網絡結合遺傳算法求解,利用神經網絡的非線性擬合能力和遺傳算法的非線性尋優能力尋找函數極值。
第5章 基于BP_Adaboost的強分類器設計——公司財務預警建模45
BP_Adaboost模型即把BP神經網絡作為弱分類器,反復訓練BP神經網絡預測樣本輸出,通過Adaboost算法得到多個BP神經網絡弱分類器組成的強分類器。
第6章 PID神經元網絡解耦控制算法——多變量系統控制54
根據PID神經元網絡控制器原理,在MATLAB中編程實現PID神經元網絡控制多變量耦合系統。
第7章 RBF網絡的回歸——非線性函數回歸的實現65
本例用RBF網絡擬合未知函數,預先設定一個非線性函數,如式y=20+x21-10cos(2πx1)+x22-10cos(2πx2)所示,假定函數解析式不清楚的情況下,隨機產生x1,x2和由這兩個變量按上式得出的y。將x1,x2作為RBF網絡的輸入數據,將y作為RBF網絡的輸出數據,分別建立近似和精確RBF網絡進行回歸分析,并評價網絡擬合效果。
第8章 GRNN的數據預測——基于廣義回歸神經網絡的貨運量預測73
根據貨運量影響因素的分析,分別取國內生產總值(GDP),工業總產值,鐵路運輸線路長度,復線里程比重,公路運輸線路長度,等級公路比重,鐵路貨車數量和民用載貨汽車數量8項指標因素作為網絡輸入,以貨運總量,鐵路貨運量和公路貨運量3項指標因素作為網絡輸出,構建GRNN,由于訓練數據較少,采取交叉驗證方法訓練GRNN神經網絡,并用循環找出最佳的SPREAD。
第9章 離散Hopfield神經網絡的聯想記憶——數字識別81
根據Hopfield神經網絡相關知識,設計一個具有聯想記憶功能的離散型Hopfield神經網絡。要求該網絡可以正確地識別0~9這10個數字,當數字被一定的噪聲干擾后,仍具有較好的識別效果。
第10章 離散Hopfield神經網絡的分類——高校科研能力評價90
某機構對20所高校的科研能力進行了調研和評價,試根據調研結果中較為重要的11個評價指標的數據,并結合離散Hopfield神經網絡的聯想記憶能力,建立離散Hopfield高校科研能力評價模型。
第11章 連續Hopfield神經網絡的優化——旅行商問題優化計算100
現對于一個城市數量為10的TSP問題,要求設計一個可以對其進行組合優化的連續型Hopfield神經網絡模型,利用該模型可以快速地找到最優(或近似最優)的一條路線。
第12章 SVM的數據分類預測——意大利葡萄酒種類識別112
將這178個樣本的50%做為訓練集,另50%做為測試集,用訓練集對SVM進行訓練可以得到分類模型,再用得到的模型對測試集進行類別標簽預測。
第13章 SVM的參數優化——如何更好的提升分類器的性能122
本章要解決的問題就是僅僅利用訓練集找到分類的最佳參數,不但能夠高準確率的預測訓練集而且要合理的預測測試集,使得測試集的分類準確率也維持在一個較高水平,即使得得到的SVM分類器的學習能力和推廣能力保持一個平衡,避免過學習和欠學習狀況發生。
第14章 SVM的回歸預測分析——上證指數開盤指數預測133
對上證指數從1990.12.20-2009.08.19每日的開盤數進行回歸分析。
第15章 SVM的信息粒化時序回歸預測——上證指數開盤指數變化趨勢和變化空間預測141
在這個案例里面我們將利用SVM對進行模糊信息粒化后的上證每日的開盤指數進行變化趨勢和變化空間的預測。
若您對此書內容有任何疑問,可以憑在線交流卡登錄中文論壇與作者交流。
第16章 自組織競爭網絡在模式分類中的應用——患者癌癥發病預測153
本案例中給出了一個含有60個個體基因表達水平的樣本。每個樣本中測量了114個基因特征,其中前20個樣本是癌癥病人的基因表達水平的樣本(其中還可能有子類), 中間的20個樣本是正常人的基因表達信息樣本, 余下的20個樣本是待檢測的樣本(未知它們是否正常)。以下將設法找出癌癥與正常樣本在基因表達水平上的區
代碼片段和文件信息
%%?案例20:神經網絡變量篩選—基于BP的神經網絡變量篩選
%
%
%?
%? 該案例作者申明: 1:本人長期駐扎在此板塊里,對該案例提問,做到有問必答。 2:此案例有配套的教學視頻,配套的完整可運行Matlab程序。 3:以下內容為該案例的部分內容(約占該案例完整內容的1/10)。 4:此案例為原創案例,轉載請注明出處(Matlab中文論壇,《Matlab神經網絡30個案例分析》)。 5:若此案例碰巧與您的研究有關聯,我們歡迎您提意見,要求等,我們考慮后可以加在案例里。 6:您看到的以下內容為初稿,書籍的實際內容可能有少許出入,以書籍實際發行內容為準。 7:此書其他常見問題、預定方式等,請點擊這里。
%?
%
%%?清空環境變量
clc
clear
%%?產生輸入?輸出數據
%?設置步長
interval=0.01;
%?產生x1?x2
x1=-1.5:interval:1.5;
x2=-1.5:interval:1.5;
%?產生x3?x4(噪聲)
x=rand(1301);
x3=(x-0.5)*1.5*2;
x4=(x-0.5)*1.5*2;
%?按照函數先求得相應的函數值,作為網絡的輸出。
F?=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);
%設置網絡輸入輸出值
p=[x1;x2;x3;x4];
t=F;
%%?變量篩選?MIV算法的初步實現(增加或者減少自變量)
p=p‘;
[mn]=size(p);
yy_temp=p;
%?p_increase為增加10%的矩陣?p_decrease為減少10%的矩陣
for?i=1:n
????p=yy_temp;
????pX=p(:i);
????pa=pX*1.1;
????p(:i)=pa;
????aa=[‘p_increase‘??int2str(i)?‘=p‘];
????eval(aa);
end
for?i=1:n
????p=yy_temp;
????pX=p(:i);
????pa=pX*0.9;
????p(:i)=pa;
????aa=[‘p_decrease‘?int2str(i)?‘=p‘];
????eval(aa);
end
%%?利用原始數據訓練一個正確的神經網絡
nntwarn?off;
p=p‘;
%?bp網絡建立
net=newff(minmax(p)[81]{‘tansig‘‘purelin‘}‘traingdm‘);
%?初始化bp網絡
net=init(net);
%?網絡訓練參數設置
net.trainParam.show=50;
net.trainParam.lr=0.05;
net.trainParam.mc=0.9;
net.trainParam.epochs=2000;
%?bp網絡訓練
net=train(netpt);
%%?變量篩選?MIV算法的后續實現(差值計算)
%?轉置后sim
for?i=1:n
????eval([‘p_increase‘num2str(i)‘=transpose(p_increase‘num2str(i)‘)‘])
end
for?i=1:n
????eval([‘p_decrease‘num2str(i)‘=transpose(p_decrease‘num2str(i)‘)‘])
end
%?result_in為增加10%后的輸出?result_de為減少10%后的輸出
for?i=1:n
????eval([‘result_in‘num2str(i)‘=sim(net‘‘p_increase‘num2str(i)‘)‘])
end
for?i=1:n
????eval([‘result_de‘num2str(i)‘=sim(net‘‘p_decrease‘num2str(i)‘)‘])
end
for?i=1:n
????eval([‘result_in‘num2str(i)‘=transpose(result_in‘num2str(i)‘)‘])
end
for?i=1:n
????eval([‘result_de‘num2str(i)‘=transpose(result_de‘num2str(i)‘)‘]
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????4087??2010-08-26?09:24??matlab神經網絡30個案例分析\chapter20.m
?????文件??????52475??2010-08-25?21:38??matlab神經網絡30個案例分析\chapter3.rar
?????文件?????375712??2010-08-17?19:56??matlab神經網絡30個案例分析\案例1.rar
?????文件???????4832??2010-08-26?09:24??matlab神經網絡30個案例分析\案例10.rar
?????文件???????3000??2010-08-26?09:24??matlab神經網絡30個案例分析\案例11.rar
?????文件??????38241??2010-08-26?09:35??matlab神經網絡30個案例分析\案例12.rar
?????文件?????284336??2010-08-25?21:51??matlab神經網絡30個案例分析\案例13.rar
?????文件?????178523??2010-08-25?14:19??matlab神經網絡30個案例分析\案例14.rar
?????文件?????356881??2010-08-25?14:12??matlab神經網絡30個案例分析\案例15.rar
?????文件??????46036??2010-08-25?14:14??matlab神經網絡30個案例分析\案例16.rar
?????文件???????3711??2010-08-25?14:16??matlab神經網絡30個案例分析\案例17.rar
?????文件???????2186??2010-08-26?09:43??matlab神經網絡30個案例分析\案例18.rar
?????文件???????2495??2010-08-26?09:34??matlab神經網絡30個案例分析\案例19.rar
?????文件??????48076??2010-08-25?14:04??matlab神經網絡30個案例分析\案例2.rar
?????文件??????91506??2010-08-25?22:13??matlab神經網絡30個案例分析\案例21.rar
?????文件????3761746??2010-08-25?22:00??matlab神經網絡30個案例分析\案例22.rar
?????文件???????4571??2010-08-26?09:35??matlab神經網絡30個案例分析\案例23.rar
?????文件??????13923??2010-08-25?14:23??matlab神經網絡30個案例分析\案例24.rar
?????文件??????25751??2010-08-25?21:54??matlab神經網絡30個案例分析\案例25.rar
?????文件???????1956??2010-08-25?21:40??matlab神經網絡30個案例分析\案例26.rar
?????文件??????89795??2010-08-25?21:48??matlab神經網絡30個案例分析\案例27.rar
?????文件???????2850??2010-08-25?21:53??matlab神經網絡30個案例分析\案例28.rar
?????文件??????88036??2010-08-25?21:43??matlab神經網絡30個案例分析\案例29.rar
?????文件?????100738??2010-08-25?21:46??matlab神經網絡30個案例分析\案例4.rar
?????文件??????60252??2010-08-25?14:09??matlab神經網絡30個案例分析\案例5.rar
?????文件??????12649??2010-08-25?14:07??matlab神經網絡30個案例分析\案例6.rar
?????文件???????3183??2010-08-25?14:21??matlab神經網絡30個案例分析\案例7.rar
?????文件???????6877??2010-08-26?09:26??matlab神經網絡30個案例分析\案例8.rar
?????文件???????5879??2010-08-25?14:10??matlab神經網絡30個案例分析\案例9.rar
?????文件???????6918??2010-08-26?09:46??matlab神經網絡30個案例分析\目錄.txt
............此處省略4個文件信息
評論
共有 條評論