【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
weisian1512 小时前
人工智能-基础篇-10-什么是卷积神经网络CNN(网格状数据处理:输入层,卷积层,激活函数,池化层,全连接层,输出层等)
人工智能·神经网络·cnn
.30-06Springfield5 小时前
利用人名语言分类案例演示RNN、LSTM和GRU的区别(基于PyTorch)
人工智能·pytorch·python·rnn·分类·gru·lstm
IT古董10 天前
【第二章:机器学习与神经网络概述】02.降维算法理论与实践-(1)主成分分析(Principal Component Analysis, PCA)
神经网络·算法·机器学习
丶Darling.10 天前
深度学习与神经网络 | 邱锡鹏 | 第五章学习笔记 卷积神经网络
深度学习·神经网络·学习
丶Darling.10 天前
深度学习与神经网络 | 邱锡鹏 | 第七章学习笔记 网络优化与正则化
深度学习·神经网络·学习
丶Darling.10 天前
深度学习与神经网络 | 邱锡鹏 | 第六章学习笔记 循环神经网络
深度学习·神经网络·学习
全栈派森10 天前
机器学习第六课: 卷积神经网络
后端·深度学习·神经网络
IT古董10 天前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(2)朴素贝叶斯分类器
神经网络·算法·机器学习
IT古董10 天前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(1)逻辑回归(Logistic Regression)
神经网络·算法·机器学习
AI扶我青云志11 天前
ANN、CNN、RNN 深度解析
rnn·深度学习·cnn