反馈神经网络.rar

  • 木阿木
    了解作者
  • matlab
    开发工具
  • 16KB
    文件大小
  • rar
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 1
    下载次数
  • 2019-07-29 20:39
    上传日期
神经网络有着臣大关联的子系统,要迅速感知子系统,对子系统 时实的反馈的相应
反馈神经网络.rar
  • 反馈神经网络
  • example9_1.m
    577B
  • example9_4.m
    683B
  • bsb.m
    1.1KB
  • elman_stockTest.m
    1.1KB
  • example9_3.m
    194B
  • hopfield_hand.m
    940B
  • example9_2.m
    232B
  • elman_stockTrain.m
    1005B
  • stock1.mat
    1KB
  • hopfield_newhop.m
    545B
  • bsb_test.m
    93B
  • stock2.mat
    968B
  • example9_6.m
    969B
  • stock_net.mat
    8.3KB
  • example9_5.m
    929B
内容介绍
% elman_stockTest.m %% 清理 close all clear,clc %% 加载数据 load stock_net load stock2 stock1=stock2'; % load stock1 % whos % Name Size Bytes Class Attributes % % net 1x1 71177 network % stock1 1x280 2240 double % 归一化处理 mi=min(stock1); ma=max(stock1); testdata = stock1(141:280); testdata=(testdata-mi)/(ma-mi); %% 用后140期数据做测试 % 输入 Pt=[]; for i=1:135 Pt=[Pt;testdata(i:i+4)]; end Pt=Pt'; % 测试 Yt=sim(net,Pt); %根据归一化公式将预测数据还原成股票价格 YYt=Yt*(ma-mi)+mi; %目标数据-预测数据 figure plot(146:280, stock1(146:280), 'r',146:280, YYt, 'b'); legend('真实值', '测试结果'); title('股价预测测试'); %% %compute the Hit Rate % count = 0; % for i = 100:275 % if (Store(i)-Store(i-1))*(YYt(i)-YYt(i-1))>0 % count = count+1; % end % end % hit_rate=count/175 % % xlabel('Dates from 2008.06.16 to 2008.08.19(about the last 180days)'); % ylabel('Price'); % title('Simulation Datas Analysis---One day prediction') % grid on
评论
    相关推荐