188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功,开通会员云端永久保存 去开通
幸福的小包..

上传于:2012-04-20

粉丝量:52

该文档贡献者很忙,什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于BP人工神经网络的胆固醇含量诊断系统

    星级: 4 页

  • 基于bp人工神经网络的胆固醇含量诊断系统

    星级: 4 页

  • BP神经网络的模式识别方法检测血清胆固醇含量

    星级: 3 页

  • 乙烯蒸汽裂解模拟装置计算机控制系统开发

    星级: 48 页

  • 基于BP人工神经网络的胆固醇含量诊断系统(PDF X页)

    星级: 4 页

  • 基于BP网络的传输线串扰预估计技术的研究

    星级: 4 页

  • 基于BP网络的稀疏信道估计算法的改进

    星级: 6 页

  • 基于BP网络的钢轨缺陷信号实验分析

    星级: 2 页

  • 基于小波包和BP网络的松脱件质量估计

    星级: 4 页

  • 基于萤火虫算法优化bp神经网络的目标威胁估计

    星级: 7 页

  • 基于BP网络与D-S证据理论的态势估计问题研究

    星级: 4 页

  • 基于BP神经网络的异步电机转速估计

    星级: 3 页

  • 基于bp神经网络的双线路项目工期估计方法鵁

    星级: 6 页

  • 基于bp神经网络的双线路项目工期估计方法

    星级: 6 页

  • 基于萤火虫算法优化BP神经网络的目标威胁估计

    星级: 6 页

暂无目录

点击鼠标右键菜单,创建目录

暂无笔记

选择文本,点击鼠标右键菜单,添加笔记

暂无书签

在左侧文档中,点击鼠标右键,添加书签

188宝金博页面版: 基于BP网络的胆固醇含量估计实验

下载积分: 900

内容提示: 基于 BP 网络的胆固醇含量估计实验 %导入原始测量数据 load choles_all; %对原始数据进行规范化处理 [pn,meanp,stdp,tn,meant,stdt]=prestd(p,t); [ptrans,transMat]=prepca(pn,0.00); [R,Q]=size(ptrans) %将原始数据分成几个部分作为不同用途 iitst=2:4:Q; iival=4:4:Q; iitr=[1:4:Q 3:4:Q]; vv.P= ptrans(:,iival); vv.T=tn(:,iival); vt.P= ptrans(:,iitst); vt.T=tn(:,iitst); ptr= ptrans(:,iitr); ttr=tn(:,iitr); %建立网络 net=newff(minmax(ptr),[5 3],{‘tansig’ ‘purelin’},’trainlm’); %训练网络 net.trainParam.show=5; [net.tr]...

文档格式:PDF | 页数:2 | 浏览次数:43 | 上传日期:2012-04-20 01:47:04 | 文档星级:
基于 BP 网络的胆固醇含量估计实验 %导入原始测量数据 load choles_all; %对原始数据进行规范化处理 [pn,meanp,stdp,tn,meant,stdt]=prestd(p,t); [ptrans,transMat]=prepca(pn,0.00); [R,Q]=size(ptrans) %将原始数据分成几个部分作为不同用途 iitst=2:4:Q; iival=4:4:Q; iitr=[1:4:Q 3:4:Q]; vv.P= ptrans(:,iival); vv.T=tn(:,iival); vt.P= ptrans(:,iitst); vt.T=tn(:,iitst); ptr= ptrans(:,iitr); ttr=tn(:,iitr); %建立网络 net=newff(minmax(ptr),[5 3],{‘tansig’ ‘purelin’},’trainlm’); %训练网络 net.trainParam.show=5; [net.tr]=train(net,ptr,ttr,[],[],vv,vt); %绘出训练过程中各误差的变化曲线 plot(tr.epoch,tr.perf,'r',tr. epoch,tr.vperf,'g',tr.epoch,tr.tperf,'-.b'); legend(‘训练’,’确证’,’测试’,-1); ylabel(‘平方误差”); xlabel(‘时间’); pause; %得到各个级别的结果的线性回归结果并绘出曲线 an=sim(net,ptrans); a=poststd(an,mcant,stdt);for i=1:3; figure(i) [m(i),b(i),r(i)]=postreg(a(i,:),t(i,:)); end

188宝金博页面版:关注我们

  • 新浪微博

关注188宝金博页面版公众号

188宝金博页面版
阅读
APP
阅读
返回
顶部
188宝金博页面版官网登录在线平台入口(2026已更新)—江苏协昌电子科技股份有限公司