python神经网络预测的例子,神经网络的预测模型

  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。

留言与评论(共有 条评论)
   
验证码: