18.有导师学习神经网络的回归拟合-基于近红外光谱的汽油辛烷值预测.zip

共3个文件

m：2个

mat：1个

版权申诉

神经网络

5星 · 超过95%的资源 177 浏览量 2023-08-10 21:05:15 上传评论 1 收藏 171KB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

18.有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测.zip （3个子文件）

18.有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测

main_2009a.m 3KB

main_2014a.m 3KB

spectra_data.mat 167KB

%% 第25章有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测 % <html> % <table border="0" width="600px" id="table1"> <tr> <td>该案例作者申明：</td> </tr> <tr><td>1：本人长期驻扎在此<a target="_blank" href="http://www.matlabsky.com/forum-78-1.html">板块</a>里，对该案例提问，做到有问必答。</td></tr><tr> <td>2：此案例有配套的教学视频，视频下载请点击<a href="http://www.matlabsky.com/forum-91-1.html">http://www.matlabsky.com/forum-91-1.html</a>。 </td> </tr> <tr> <td> 3：此案例为原创案例，转载请注明出处（《MATLAB智能算法30个案例分析》）。</td> </tr> <tr> <td> 4：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。</td> </tr> <tr> <td> 5：以下内容为初稿，与实际发行的书籍内容略有出入，请以书籍中的内容为准。</td> </tr> </table> % </html> %% 清空环境变量 clear all clc %% 训练集/测试集产生 load spectra_data.mat % 随机产生训练集和测试集 temp = randperm(size(NIR,1)); % 训练集——50个样本 P_train = NIR(temp(1:50),:)'; T_train = octane(temp(1:50),:)'; % 测试集——10个样本 P_test = NIR(temp(51:end),:)'; T_test = octane(temp(51:end),:)'; N = size(P_test,2); %% BP神经网络创建、训练及仿真测试(R2009a) % 创建网络 net = newff(P_train,T_train,9); % 设置训练参数 net.trainParam.epochs = 1000; net.trainParam.goal = 1e-3; net.trainParam.lr = 0.01; % 训练网络 net = train(net,P_train,T_train); % 仿真测试 T_sim_bp = sim(net,P_test); %% RBF神经网络创建及仿真测试 % 创建网络 net = newrbe(P_train,T_train,0.3); % 仿真测试 T_sim_rbf = sim(net,P_test); %% 性能评价 % 相对误差error error_bp = abs(T_sim_bp - T_test)./T_test; error_rbf = abs(T_sim_rbf - T_test)./T_test; % 决定系数R^2 R2_bp = (N * sum(T_sim_bp .* T_test) - sum(T_sim_bp) * sum(T_test))^2 / ((N * sum((T_sim_bp).^2) - (sum(T_sim_bp))^2) * (N * sum((T_test).^2) - (sum(T_test))^2)); R2_rbf = (N * sum(T_sim_rbf .* T_test) - sum(T_sim_rbf) * sum(T_test))^2 / ((N * sum((T_sim_rbf).^2) - (sum(T_sim_rbf))^2) * (N * sum((T_test).^2) - (sum(T_test))^2)); % 结果对比 result_bp = [T_test' T_sim_bp' T_sim_rbf' error_bp' error_rbf'] %% 绘图 figure plot(1:N,T_test,'b:*',1:N,T_sim_bp,'r-o',1:N,T_sim_rbf,'k-.^') legend('真实值','BP预测值','RBF预测值') xlabel('预测样本') ylabel('辛烷值') string = {'测试集辛烷值含量预测结果对比(BP vs RBF)';['R^2=' num2str(R2_bp) '(BP)' ' R^2=' num2str(R2_rbf) '(RBF)']}; title(string) %% % <html> % <table width="656" align="left" > <tr><td align="center">相关论坛：Matlab技术论坛：<a href="http://www.matlabsky.com">www.matlabsky.com</a>Matlab函数百科：<a href="http://www.mfun.la">www.mfun.la</a></td> </tr></table> % </html>

评论收藏

内容反馈

版权申诉