bp神經(jīng)網(wǎng)絡(luò)預(yù)測的matlab實現(xiàn)

《bp神經(jīng)網(wǎng)絡(luò)預(yù)測的matlab實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、2009年3月哈爾濱金融高等?？茖W(xué)校學(xué)報第1期JournalofHarbinSeniorFinanceCollege總第97期BP神經(jīng)網(wǎng)絡(luò)預(yù)測的MATLAB實現(xiàn)1123焦淑華,夏冰,徐海靜,劉瑩(11哈爾濱金融高等專科學(xué)?；A(chǔ)部,黑龍江哈爾濱150030;21黑龍江大學(xué)信息管理學(xué)院,黑龍江哈爾濱150080;31黑龍江科技學(xué)院數(shù)力系,黑龍江哈爾濱150027)摘要:在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中,大多數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型是采用前饋反向傳播網(wǎng)絡(luò)(Back-Propagation-Network,簡稱BP網(wǎng)絡(luò))或它的變化形式。它是前向網(wǎng)絡(luò)的核心,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分。

2、近年來MATLAB因其編程效率高,易學(xué)易懂,被廣泛應(yīng)用。以旅游需求預(yù)測為例,說明MATLAB可以實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測。關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);MATLAB;預(yù)測一、問題的提出由輸入層、輸出層和若干隱含層構(gòu)成:每一層都由若干個節(jié)在旅游經(jīng)濟(jì)的發(fā)展過程中,的確有某種規(guī)律性的東西,點組成,每一個節(jié)點表示一個神經(jīng)元,上層節(jié)點與下層節(jié)點或者稱為模式。這種規(guī)律性的東西常常蘊(yùn)涵于看似雜亂無之間通過權(quán)連接,層與層之間的節(jié)點采用全互聯(lián)的連接方章的大量歷史數(shù)據(jù)中,因此,要想獲得有效的預(yù)測,關(guān)鍵在式,每層內(nèi)節(jié)點之間沒有聯(lián)系。以一個三層結(jié)構(gòu)的BP神于根據(jù)歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律。從數(shù)學(xué)的角度看,就是建立某經(jīng)

3、網(wǎng)絡(luò)為例,即含有一個輸入層、一個輸出層和一個隱含種映射關(guān)系(函數(shù)),并進(jìn)行函數(shù)的擬合。神經(jīng)網(wǎng)絡(luò)是解決層,其結(jié)構(gòu)如圖1:這一問題的最佳工具之一。經(jīng)過幾十年的發(fā)展,已經(jīng)形成了上百種人工神經(jīng)網(wǎng)絡(luò)。1974年,P.Werbos在其博士論文中提出了第一個適合多層網(wǎng)絡(luò)的學(xué)習(xí)算法,但該算法并未受到足夠重視和廣泛的應(yīng)用。直到20世紀(jì)80年代中期,DavidRunelhart,GeoffreyHinton和RonaldWilliams,DavidParkr,以及YannnLeCun分別獨立發(fā)現(xiàn)了BP算法。1986年,美國加利福尼亞的PDP(paralleldistributedproce

4、ssion)小組發(fā)表了5Parallel圖1DistributedProcessing6一書,將該算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)的研二、建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型究,才使之稱為迄今為止最著名的多層網(wǎng)絡(luò)學(xué)習(xí)算法)))在進(jìn)行BP網(wǎng)絡(luò)預(yù)測模型設(shè)計時,主要考慮網(wǎng)絡(luò)的層BP算法。由此算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò),稱之為BP神經(jīng)網(wǎng)絡(luò)。數(shù)和每層中神經(jīng)元的個數(shù)。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)是根據(jù)W-H學(xué)習(xí)規(guī)則,采用梯度下降算(一)網(wǎng)絡(luò)層數(shù)法,對非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)。由BP網(wǎng)絡(luò)是通過輸入層到輸出層的計算來完成的。多Kolmogorov定理和BP定理可知,對于一個三層BP神經(jīng)網(wǎng)于一層的隱含層雖然能在速度上提高

5、網(wǎng)絡(luò)的訓(xùn)練,但是在絡(luò),只要隱層節(jié)點數(shù)足夠多,就具有逼近任意復(fù)雜的非線性實際應(yīng)用中需要較多的訓(xùn)練時間,而訓(xùn)練速度可以用增加映射的能力。隱含層節(jié)點個數(shù)來實現(xiàn),因此在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)目前,在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中,大多數(shù)的人工神測時,選取只有一個隱含層的三層BP神經(jīng)網(wǎng)絡(luò)就足夠了。經(jīng)網(wǎng)絡(luò)模型是采用前饋反向傳播網(wǎng)絡(luò)(Back-Propagation(二)網(wǎng)絡(luò)各層中神經(jīng)元的個數(shù)-Network,簡稱BP網(wǎng)絡(luò))或它的變化形式。它是前向網(wǎng)絡(luò)輸入、輸出節(jié)點是與樣本緊密相關(guān)的,與其應(yīng)用的領(lǐng)域的核心,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分。有關(guān)。根據(jù)旅游人數(shù)的歷史數(shù)據(jù),確定輸入層神經(jīng)元數(shù)為B

6、P神經(jīng)網(wǎng)絡(luò),即多層前饋式誤差反傳神經(jīng)網(wǎng)絡(luò),通常1收稿日期22008-10-08注:黑龍江省教育廳2007年度高職高專院?？萍夹g(shù)研究項目(課題編號:11525028)的研究成果。)55)5,即輸入變量為連續(xù)5年的旅游人數(shù);輸出層神經(jīng)元數(shù)為>>net.trainParam.show=500;1,即輸出變量為第六年的旅游人數(shù)。>>net=train(net,P,T)如果隱含層神經(jīng)元數(shù)目過少,網(wǎng)絡(luò)很難識別樣本,難以完成訓(xùn)練,并且網(wǎng)絡(luò)的容錯性也會降低;如果數(shù)目過多,則會增加網(wǎng)絡(luò)的迭代次數(shù),從而延長網(wǎng)絡(luò)的訓(xùn)練時間,同時也會降低網(wǎng)絡(luò)的泛化能力,導(dǎo)致預(yù)測能力下降。在具體設(shè)計時,首先根據(jù)

7、經(jīng)驗公式初步確定隱含層神經(jīng)元個數(shù),然后通過對不同神經(jīng)元數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練對比,再最終確定神經(jīng)元數(shù)。通用的隱含層神經(jīng)元數(shù)的確定經(jīng)驗公式有:i=n+m+a其中i為隱含層神經(jīng)元的個數(shù),n為輸入層神經(jīng)元的個數(shù),m為輸出層神經(jīng)元的個數(shù),a為常數(shù)且1