15816QA5aGk32M9803.rar

  • qq6666
    了解作者
  • matlab
    开发工具
  • 1KB
    文件大小
  • rar
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 2
    下载次数
  • 2020-08-08 09:22
    上传日期
LM-贝叶斯 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中,我们采用两种训练方法
15816QA5aGk32M9803.rar
  • L-M 优化算法和贝叶斯正则化算法训练BP网络
  • lm-beiyesi.m
    1.7KB
内容介绍
close all clear echo on clc % NEWFF——生成一个新的前向神经网络 % TRAIN——对 BP 神经网络进行训练 % SIM——对 BP 神经网络进行仿真 pause % 敲任意键开始 clc % 定义训练样本矢量 % P 为输入矢量 P = [-1:0.05:1]; % T 为目标矢量 randn('seed',78341223); T = sin(2*pi*P)+0.1*randn(size(P)); % 绘制样本数据点 plot(P,T,'+'); echo off hold on; plot(P,sin(2*pi*P),':'); % 绘制不含噪声的正弦曲线 echo on clc pause clc % 创建一个新的前向神经网络 net=newff(minmax(P),[20,1],{'tansig','purelin'}); pause clc echo off clc disp('1. L-M 优化算法 TRAINLM'); disp('2. 贝叶斯正则化算法 TRAINBR'); choice=input('请选择训练算法(1,2):'); figure(gcf); if(choice==1) echo on clc % 采用 L-M 优化算法 TRAINLM net.trainFcn='trainlm'; pause clc % 设置训练参数 net.trainParam.epochs = 500; net.trainParam.goal = 1e-6; net=init(net); % 重新初始化 pause clc elseif(choice==2) echo on clc % 采用贝叶斯正则化算法 TRAINBR net.trainFcn='trainbr'; pause clc % 设置训练参数 net.trainParam.epochs = 500; randn('seed',192736547); net = init(net); % 重新初始化 pause clc end % 调用相应算法训练 BP 网络 [net,tr]=train(net,P,T); pause clc % 对 BP 网络进行仿真 A = sim(net,P); % 计算仿真误差 E = T - A; MSE=mse(E) pause clc % 绘制匹配结果曲线 close all; plot(P,A,P,T,'+',P,sin(2*pi*P),':'); pause; clc echo off
评论
    相关推荐
    • 贝叶斯网络构建.rar
      从数据中选取一段进行贝叶斯网络学习,可以进行结构学习
    • 1 贝叶斯图像阈值分割方法.zip
      关于采用贝叶斯方法对阙值进行程序编写,可跟着程序进行学习
    • 朴素贝叶斯.zip
      能实现对相应数据集进行分类,并计算出准确率
    • 贝叶斯.zip
      朴素贝叶斯包含数据文档,朴素贝叶斯算法在文字识别, 图像识别方向有着较为重要的作用。 可以将未知的一种文字或图像,根据其已有的分类规则来进行分类,最终达到分类的目的。
    • 朴素贝叶斯作业.rar
      经典机器学习算法:朴素贝叶斯的python的实现
    • 9.1贝叶斯网络.zip
      贝叶斯网络的构成及学习,结构算法的学习,及其推理运算
    • 朴素贝叶斯
      包括讲解朴素贝叶斯(Naïve Bayes)算法的PPT与用python实现的代码。
    • 贝叶斯算法
      贝叶斯.z
    • PyTorch-BayesianCNN:PyTorch中基于反向传播的贝叶斯贝叶斯变分推理贝叶斯卷积神经网络
      我们介绍了带变分推理的贝叶斯卷积神经网络,这是卷积神经网络(CNN)的一种变体,其中权重的难处理的后验概率分布是由Backprop的Bayes推断的。 我们证明我们提出的变分推断方法是如何实现的性能相当于频率论推理在...
    • 朴素贝叶斯
      朴素贝叶斯Python实现 在机器学习中,朴素贝叶斯分类器是一系列简单的“概率分类器”,它们基于贝叶斯定理,并在特征之间具有强烈的(朴素的)独立性假设。 它们是最简单的贝叶斯网络模型之一。[1] 但是它们可以与...