%?
%?該案例作者申明：《Matlab神經網絡30個案例分析》以書籍實際發行內容為準
%%?以下程序為案例擴展里的GRNN和BP比較?需要load?chapter8.1的相關數據
clear?all
load?result
n=13
p=desired_input
t=desired_output
net_bp=newff（minmax（p）[n3]{‘tansig‘‘purelin‘}‘trainlm‘）;
%?訓練網絡
net.trainParam.show=50;
net.trainParam.epochs=2000;
net.trainParam.goal=1e-3;
%調用TRAINLM算法訓練BP網絡
net_bp=train（net_bppt）;
bp_prediction_result=sim（net_bpp_test）;
bp_prediction_result=postmnmx（bp_prediction_resultmintmaxt）;
bp_error=t_test-bp_prediction_result‘;
disp（[‘BP神經網絡三項流量預測的誤差為‘num2str（abs（bp_error））]）
%{
net=newff（desired_inputdesired_outputdesired_number{‘tansig‘‘tansig‘}‘trainlm‘）;
net.trainParam.epochs=10000;
net.trainParam.lr=0.001;
net.trainParam.goal=0.0001;
%%?BP網絡訓練
net=train（netdesired_inputdesired_output）;
%%?BP網絡測試
input_test=input_test‘;
input_test=tramnmx（input_testminpmaxp）;
BP_test_result=sim（netinput_test）;
BP_test_result=postmnmx（BP_test_resultmintmaxt）;
BP_error=output_test-BP_test_result‘;
disp（[‘BP神經網絡三項流量預測的誤差為‘num2str（abs（BP_error））]）
save?best?desired_input?desired_output?input_test?output_test?BP_error?mint?maxt
%%?BP網絡預測
%預測數據歸一化
%input_predict=input_predict‘;
%input_predict=tramnmx（input_predictminpmaxp）;

%網絡預測輸出
%BP_predict_resultpredict=sim（netinput_predict）;

%網絡輸出反歸一化
%BP_predict_resultpredict=postmnmx（BP_predict_resultpredictmintmaxt）;
%}

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????1521??2019-10-12?21:06??GRNN的數據預測\bp.m

?????文件????????815??2010-01-30?20:09??GRNN的數據預測\data.mat

?????文件???????2217??2019-10-12?21:37??GRNN的數據預測\grnn.m

?????文件???????1260??2019-10-13?19:24??GRNN的數據預測\result.mat

?????文件???????6417??2019-10-13?16:04??GRNN的數據預測\運行提示.txt

?????目錄??????????0??2019-10-30?10:19??GRNN的數據預測

-----------?---------??----------?-----??----

????????????????12230????????????????????6