【MATLAB第88期】基于MATLAB的6种神经网络(ANN、FFNN、CFNN、RNN、GRNN、PNN)多分类预测模型对比含交叉验证

【MATLAB第88期】基于MATLAB的6种神经网络(ANN、FFNN、CFNN、RNN、GRNN、PNN)多分类预测模型对比含交叉验证

前言

本文介绍六种类型的神经网络分类预测模型

1.模型选择

  • 前馈神经网络 (FFNN)

  • 人工神经网络 (ANN)

  • 级联前向神经网络 (CFNN)

  • 循环神经网络 (RNN)

  • 广义回归神经网络 (GRNN)

  • 概率神经网络 (PNN)

2.数据情况

357行样本,12输入,1输出,4分类。

无交叉验证情况,默认70%训练,30%测试。

clike 复制代码
     %%  导入数据
res = xlsread('数据集C.xlsx');
feat=res(:,1:end-1);
label=res(:,end);
T_sim1  = []; T_sim2  = []; 
ytest2 = []; 
ytrain2 = []; 
ho=0.3;%测试集的比例

3.程序使用

更改type类型即可自动筛选模型并运行。

clike 复制代码
switch type
  case 'NN'     ;
  case 'FFNN'   ; 
  case 'CFNN'   ; 
  case 'RNN'    ; 
  case 'GRNN'   ;
  case 'PNN'    ;
end

4.通用参数

Hidden_size = [10,10];%隐含层神经元

Max_epochs = 50; %最大训练次数

tf = 1; %2为交叉验证, 1无交叉验证。

一、前馈神经网络 (FFNN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折

二、级联前向神经网络 (CFNN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折

三、广义回归神经网络 (GRNN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折
num_spread=1;

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折
num_spread=1;

四、人工神经网络 (NN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折

五、循环神经网络 (RNN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折

六、循环神经网络 (RNN)

1、无交叉验证

clike 复制代码
tf            = 1;  %2为交叉验证, 1无交叉验证。
kfold         = 1; %K折
num_spread = 100;

2、有交叉验证(3折为例)

clike 复制代码
tf            = 2;  %2为交叉验证, 1无交叉验证。
kfold         = 3; %K折
num_spread = 100;

七、代码获取

1.阅读首页置顶文章

2.关注CSDN

3.根据自动回复消息,回复"88期"以及相应指令,即可获取对应下载方式。

相关推荐
IT古董2 小时前
【第六章:项目实战之推荐/广告系统】3.精排算法-(2)精排算法模型精讲: DNN、deepFM、ESMM、PLE、MMOE算法精讲与实现- DNN 精排模型
人工智能·神经网络·dnn
IT古董2 小时前
【第六章:项目实战之推荐/广告系统】3.精排算法-(2)精排算法模型精讲: DNN、deepFM、ESMM、PLE、MMOE算法精讲与实现- PLE 模型
人工智能·神经网络·dnn
极客BIM工作室3 小时前
AI 图像生成技术发展时间脉络:从 GAN 到多模态大模型的知名模型概略解析
人工智能·神经网络·生成对抗网络
Brianna Home6 小时前
PyTorch实战:CV模型搭建全指南
人工智能·pytorch·经验分享·python·神经网络·结对编程
文火冰糖的硅基工坊6 小时前
[人工智能-大模型-118]:模型层 - RNN状态记忆是如何实现的?是通过带权重的神经元,还是通过张量?
人工智能·rnn·深度学习
rengang666 小时前
28-Keras:探讨高层神经网络API及其快速原型设计能力
人工智能·python·神经网络·机器学习·keras
_BugMan15 小时前
【大模型】理论基础(1):函数与神经网络
人工智能·深度学习·神经网络
hanfeng526815 小时前
使用Deeplabv3+进行遥感影像土地利用分类
深度学习·神经网络·分类
oscar9991 天前
1.1 神经网络基本组成
人工智能·深度学习·神经网络
码上上班2 天前
llamafactory使用
神经网络