python神经网络预测的例子,神经网络的预测模型
用RBF网络预测股票走势
色度控制中心
食腐动物
标准化数据百分比
input=[0 0 0 0 0 0.0277；
0.01770.02920.01840.01220.02640.0492;
0.03740.09460.03930.02690.02640.0871;
0.03420.09270.03760.04350.06480;
0.05970.1140.06320.0680.14320.0778;
0.0769.15510.07860.08620.1920.1087;
0.09030.1680.08930.12030.24960.1409;
0.12660.17890.1240.16890.3420.3332;
0.1590.2364.15330.22680.43290.3268;
0.18770.2810.1890.26190.49560.2882;
0.23860.39150.23880.35430.58450.4144;
0.30120.45890.29970.46190.70760.6327;
0.34940.50740.34850.54080.83310.7095;
0.40260.50840.40320.61570.9420.7912;
0.57120.74130.57540.69080.63270.8595;
0.6539.80570.6598.73770.71470.8923;
0.75770.8320.76270.81910.79920.9548;
输出=[0]
0.0107
0.0193
0.0172
0.0372
0.0533
0.0721
0.1065
0.1305
0.1528
0.2054
0.2816
0.3448
0.4016
0.4910
0.5667
0.6810] ();
input _ test=[0。86670.89690.86730.91420.89730.9667;
1.00001.00001.00001.00001.00001.00001.0000;
output_test=[0.8415]
1.0000] ();
% loaddatainputoutputinput _ test output _ test；
%重量和参数初始化
m=6；输入节点的百分比
n=1；输出节点的百分比
n=20不可见节点的百分比
b=1.5 *个(n，1)；
c=rands(m，n)；
w=2*rands(n，n)；
%指定进化参数
阿尔法=0.002；
xite=0.02
w _ 1=ww2=w1；
c _ 1=cC2=C1；
b _ 1=bB2=B1；
d _ w=0 * w
d _ b=0 * b
y _ 1=0；
[aa，bb]=大小(输入)；
k=1；
对于ii=1:64
对于k=1:1:aa
得到%一对输入和输出。
x=输入(k，)；
y=输出(k，)；
对于j=1:1:n
h(j)=exp(-norm)x -c):j))2/)2)b)j)b)j))j))
目标
ym(k)=w * h ；%神经网络预测输出
e(k)=y-ym)k；%输出误差
重量校正百分比
对于j=1:1:n
d _ w(j)=xite * e(k)k)* h)j；
d _ b(j)=xite * e(k)w)j)h)j))b)^-3)*范数)x-c ) 3360，j))^2；
对于i=1:1:M
d_c(I，j )=xite*e(k ) w ) j ) h ) j ) ) x ) I )-c ) I，j))b)^-2)；
目标
目标
w=w _ 1d _ wal fa *(w _ 1-w _ 2)；
b=b _ 1d _ balfa *(b _ 1-b _ 2)；
c=c _ 1d _ calfa *(c _ 1-c _ 2)；
y _ 1=y
w2=w1；
w _ 1=w
C2=C1；
c _ 1=c
B2=B1；
b _ 1=b
kk=kk 1；
目标
目标
[aa，bb]=size(input _ test)；
%RBF网络预测输出
对于k=1:aa
x=input_test(k，)。
对于j=1:1:n
h(j)=exp(-norm)x -c):j))2/)2)b)j)b)j))j))
目标
YY(k)=w * h ；%产量预测
目标
error=output _ test -YY；
图一.
绘图(输出测试， r )
hold的过去分词
印刷品(YY)。
标题(RBF网络预测股票走势))；
图例)“实际股票走势”和“预测股票走势”
Axis([0，30，0，1.5]) 0是预测的输出值
图2 .
是，打印(错误)
Title(“预测值与实际值的误差”)；
xlabel(‘重复次数’)；
Ylabel(错误))。
"下标分配维度不匹配。"。不知道怎么修改。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。