ELM极限学习机与BP神经网络两种预测方法对比

最新推荐文章于 2024-06-08 21:23:54 发布

原创

最新推荐文章于 2024-06-08 21:23:54 发布 · 5k 阅读

46 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #神经网络 #算法 #机器学习

本文对比了ELM极限学习机与BP神经网络在预测任务中的表现，通过实验数据展示两种方法的预测精度及误差，分析了各自的优缺点。

ELM极限学习机与BP神经网络两种预测方法对比

文章目录

ELM极限学习机与BP神经网络两种预测方法对比

极限学习机

ELM

%% 
clc
clear all
%%
a = xlsread('BP_shiwaituishinei');  %导入数据
n = randperm(size( a,1))  %产生随机数
a1 = a(n(1:800),:)  %训练数据 输入集
a2 = a(n(800:end),:)  %训练数据输入集
P_train = a1(:,(1:5))' %测试数据输入量
T_train = a1(:,6)'  %输出量
P_test = a2(:,(1:5))' %输入量
T_test = a2(:,6)'  %输出量
%% 归一化
% 训练集
[Pn_train,inputps] = mapminmax(P_train,-1,1);
Pn_test = mapminmax('apply',P_test,inputps);
% 测试集
[Tn_train,outputps] = mapminmax(T_train,-1,1);
Tn_test = mapminmax('apply',T_test,outputps);

tic
%% ELM创建/训练
[IW,B,LW,TF,TYPE] = elmtrain(Pn_train,Tn_train,9,'sig',0);

%% ELM仿真测试
Tn_sim = elmpredict(Pn_test,IW,B,LW,TF,TYPE);
% 反归一化
T_sim = mapminmax('reverse',Tn_sim,outputps);

toc
%% 结果对比
result = [T_test' T_sim'];
% 均方误差
E = mse(T_sim - T_test)
% 决定系数
N = length(T_test);
R2 = (N*sum(T_sim.*T_test)-sum(T_sim)*sum(T_test))^2/((N*sum((T_sim).^2)-(sum(T_sim))^2)*(N*sum((T_test).^2)-(sum(T_test))^2))

%% 绘图
figure
subplot(2,1,1)
plot(1:length