花生壳动态域名做网站,微信里的小程序占内存吗,wordpress换ip,北京网站备案公司分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测 目录 分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分…分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测 目录 分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测 2.代码说明要求于Matlab 2021版及以上版本。 程序设计
完整程序和数据获取方式1同等价值程序兑换完整程序和数据获取方式2私信博主回复 MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测获取。
%% 划分训练集和测试集
P_train res(1: num_train_s, 1: f_);
T_train res(1: num_train_s, f_ 1: end);
M size(P_train, 2);P_test res(num_train_s 1: end, 1: f_);
T_test res(num_train_s 1: end, f_ 1: end);
N size(P_test, 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);
dbn dbnsetup(dbn, p_train, opts); % 建立模型
dbn dbntrain(dbn, p_train, opts); % 训练模型
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 训练权重移植添加输出层
nn dbnunfoldtonn(dbn, num_class);%% 反向调整网络
opts.numepochs 576; % 反向微调次数
opts.batchsize M; % 每次反向微调样本数 需满足M / batchsize 整数nn.activation_function sigm; % 激活函数
nn.learningRate 2.9189; % 学习率
nn.momentum 0.5; % 动量参数
nn.scaling_learningRate 1; % 学习率的比例因子[nn, loss, accu] nntrain(nn, p_train, t_train, opts); % 训练
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%% 仿真预测
T_sim1 nnpredict(nn, p_train);
T_sim2 nnpredict(nn, p_test );%% 性能评价
error1 sum((T_sim1 T_train)) / M * 100 ;
error2 sum((T_sim2 T_test )) / N * 100 ;
https://blog.csdn.net/kjm13182345320/article/details/131174983
版权声明本文为CSDN博主「机器学习之心」的原创文章遵循CC 4.0 BY-SA版权协议转载请附上原文出处链接及本声明。
原文链接https://blog.csdn.net/kjm13182345320/article/details/130462492
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129679476?spm1001.2014.3001.5501 [2] https://blog.csdn.net/kjm13182345320/article/details/129659229?spm1001.2014.3001.5501 [3] https://blog.csdn.net/kjm13182345320/article/details/129653829?spm1001.2014.3001.5501
