ashu wordpress,广东seo课程,新乡做网站优化,私募基金网站建设资源下载#xff1a; https://download.csdn.net/download/vvoennvv/88681649 一#xff0c;概述 ELM#xff08;Extreme Learning Machine#xff09;是一种单层前馈神经网络结构#xff0c;与传统神经网络不同的是#xff0c;ELM的隐层神经元权重以及偏置都是随机产生的… 资源下载 https://download.csdn.net/download/vvoennvv/88681649 一概述 ELMExtreme Learning Machine是一种单层前馈神经网络结构与传统神经网络不同的是ELM的隐层神经元权重以及偏置都是随机产生的并且在网络训练过程中不会更新。这种随机初始化的方法使得ELM的训练速度非常快同时避免了传统神经网络中需要反复调整权重的问题。 ELM的训练过程可以概括为以下几步
随机初始化隐层神经元的权重和偏置构建网络结构。将训练数据输入到网络中得到隐层神经元的输出。对隐层神经元的输出和训练数据的标签进行线性回归得到输出层的权重。在测试阶段将输入数据输入到网络中通过隐层神经元和输出层权重计算输出结果。 ELM 的优点在于它的训练速度非常快同时具有较好的泛化能力和适用于大规模数据的特点。但是它的缺点在于随机初始化可能会导致结果不稳定而且网络结构过于简单可能无法处理复杂的非线性问题。因此在实际应用中需要根据具体问题进行权衡选择。
二代码
代码中文注释非常清晰按照示例数据修改格式替换数据集即可运行数据集为excel。
部分代码示例如下
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行%% 导入数据时间序列的单列数据
result xlsread(数据集.xlsx);%% 数据分析
num_samples length(result); % 样本个数
kim 15; % 延时步长kim个历史数据作为自变量
zim 1; % 跨zim个时间点进行预测%% 构造数据集
for i 1: num_samples - kim - zim 1res(i, :) [reshape(result(i: i kim - 1), 1, kim), result(i kim zim - 1)];
end%% 划分训练集和测试集
%temp 1: 1: 922;%P_train res(temp(1: 700), 1: 15);
%T_train res(temp(1: 700), 16);
%M size(P_train, 2);%P_test res(temp(701: end), 1: 15);
%T_test res(temp(701: end), 16);
%N size(P_test, 2);%% 数据集分析
outdim 1; % 最后一列为输出
num_size 0.7; % 训练集占数据集比例
num_train_s round(num_size * num_samples); % 训练集样本个数
f_ size(res, 2) - outdim; % 输入特征维度
%% 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);%% 创建模型
num_hiddens 20; % 隐藏层节点个数
activate_model sig; % 激活函数......
三运行结果 资源下载 https://download.csdn.net/download/vvoennvv/88681649
