【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
代码不行的搬运工3 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
只怕自己不够好4 小时前
RNN与LSTM,通过Tensorflow在手写体识别上实战
rnn·tensorflow·lstm
秀儿还能再秀14 小时前
神经网络(系统性学习三):多层感知机(MLP)
神经网络·学习笔记·mlp·多层感知机
老艾的AI世界15 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
sp_fyf_202419 小时前
【大语言模型】ACL2024论文-19 SportsMetrics: 融合文本和数值数据以理解大型语言模型中的信息融合
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
CoderIsArt19 小时前
基于 BP 神经网络整定的 PID 控制
人工智能·深度学习·神经网络
EterNity_TiMe_19 小时前
【论文复现】神经网络的公式推导与代码实现
人工智能·python·深度学习·神经网络·数据分析·特征分析
sp_fyf_202421 小时前
【大语言模型】ACL2024论文-18 MINPROMPT:基于图的最小提示数据增强用于少样本问答
人工智能·深度学习·神经网络·目标检测·机器学习·语言模型·自然语言处理
Mr.谢尔比1 天前
李宏毅机器学习课程知识点摘要(1-5集)
人工智能·pytorch·深度学习·神经网络·算法·机器学习·计算机视觉
曼城周杰伦1 天前
自然语言处理:第六十二章 KAG 超越GraphRAG的图谱框架
人工智能·pytorch·神经网络·自然语言处理·chatgpt·nlp·gpt-3