中文亚洲精品无码_熟女乱子伦免费_人人超碰人人爱国产_亚洲熟妇女综合网

當前位置: 首頁 > news >正文

公司網(wǎng)站模板下載全網(wǎng)軟文推廣

公司網(wǎng)站模板下載,全網(wǎng)軟文推廣,建設(shè)門戶網(wǎng)站申請報告,wordpress文檔編輯回歸預測 | MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測 目錄 回歸預測 | MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測預測效果基本介紹模型描述程序設(shè)計參考資料 預測效果 基本介紹 1.MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習…

回歸預測 | MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測

目錄

    • 回歸預測 | MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測
      • 預測效果
      • 基本介紹
      • 模型描述
      • 程序設(shè)計
      • 參考資料

預測效果

1
2
3

基本介紹

1.MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測;
2.多輸入單輸出回歸預測。
3.深度信念網(wǎng)絡(luò),DBN,Deep Belief Nets,神經(jīng)網(wǎng)絡(luò)的一種。既可以用于非監(jiān)督學習,類似于一個自編碼機;也可以用于監(jiān)督學習,作為分類器來使用。DBN由若干層神經(jīng)元構(gòu)成,組成元件是受限玻爾茲曼機(RBM)。
RBM是一種神經(jīng)感知器,由一個顯層和一個隱層構(gòu)成,顯層與隱層的神經(jīng)元之間為雙向全連接。限制玻爾茲曼機和玻爾茲曼機相比,主要是加入了“限制”。限制玻爾茲曼機可以用于降維(隱層少一點),學習特征(隱層輸出就是特征),深度信念網(wǎng)絡(luò)(多個RBM堆疊而成)等。

1

模型描述

受限玻爾茲曼機(RBM)是一種具有隨機性的生成神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),它本質(zhì)上是一種由具有隨機性的一層可見神經(jīng)元和一層隱藏神經(jīng)元所構(gòu)成的無向圖模型。它只有在隱藏層和可見層神經(jīng)元之間有連接,可見層神經(jīng)元之間以及隱藏層神經(jīng)元之間都沒有連接。并且,隱藏層神經(jīng)元通常取二進制并服從伯努利分布,可見層神經(jīng)元可以根據(jù)輸入的類型取二進制或者實數(shù)值。

2

程序設(shè)計

  • 完整源碼和數(shù)據(jù)獲取方式:私信博主回復MATLAB實現(xiàn)DBN-ELM深度置信網(wǎng)絡(luò)結(jié)合極限學習機多輸入單輸出回歸預測
%受限玻爾茲曼機預訓練程序
% This program trains Restricted Boltzmann Machine in which
% visible, binary, stochastic pixels are connected to
% hidden, binary, stochastic feature detectors using symmetrically
% weighted connections. Learning is done with 1-step Contrastive Divergence.   
% The program assumes that the following variables are set externally:
% maxepoch  -- maximum number of epochs
% numhid    -- number of hidden units 
% batchdata -- the data that is divided into batches (numcases numdims numbatches)
% restart   -- set to 1 if learning starts from beginning 
% 參數(shù)設(shè)置
epsilonw      = 0.01;   % Learning rate for weights 權(quán)值學習率
epsilonvb     = 0.01;   % Learning rate for biases of visible units可視節(jié)點的偏置學習率 
epsilonhb     = 0.01;   % Learning rate for biases of hidden units 隱含節(jié)點的偏置學習率
weightcost  = 0.0008;   %權(quán)重衰減系數(shù)
initialmomentum  = 0.5; %初始動量項
finalmomentum    = 0.9; %確定動量項[numcases,numdims ,numbatches]=size(batchdata);if restart ==1,restart=0;epoch=1;% Initializing symmetric weights and biases. vishid     = 0.1*randn(numdims, numhid);%可視節(jié)點到隱含節(jié)點之間的權(quán)值初始化hidbiases  = zeros(1,numhid);%隱含節(jié)點的初始化為0visbiases  = zeros(1,numdims);%可視節(jié)點偏置初始化為0poshidprobs = zeros(numcases,numhid);%初始化單個迷你塊正向傳播時隱含層的輸出概率neghidprobs = zeros(numcases,numhid);posprods    = zeros(numdims,numhid);negprods    = zeros(numdims,numhid);vishidinc  = zeros(numdims,numhid);hidbiasinc = zeros(1,numhid);visbiasinc = zeros(1,numdims);%整個數(shù)據(jù)集正向傳播時隱含層的輸出概率batchposhidprobs=zeros(numcases,numhid,numbatches);
endfor epoch = epoch:maxepoch,%所有迭代次數(shù)%fprintf(1,'epoch %d\r',epoch); errsum=0;for batch = 1:numbatches, %每次迭代都遍歷所有的數(shù)據(jù)塊%fprintf(1,'epoch %d batch %d\r',epoch,batch); %%%%%%%%% 開始正向階段的計算%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%data = batchdata(:,:,batch);      %每次迭代選擇一個迷你塊的數(shù)據(jù),,每一行代表一個樣本值%這里的數(shù)據(jù)并非二值的,嚴格來說,應該將其進行二值化poshidprobs = 1./(1 + exp(-data*vishid - repmat(hidbiases,numcases,1)));   %計算隱含層節(jié)點的輸出概率,所用的是sigmoid函數(shù)%%%計算正向階段的參數(shù)統(tǒng)計量%%%%%%%%%%%%%%%%%%%%batchposhidprobs(:,:,batch)=poshidprobs;posprods    = data' * poshidprobs;%用可視節(jié)點向量和隱含層節(jié)點向量的乘積計算正向散度統(tǒng)計量poshidact   = sum(poshidprobs);   %針對樣本值進行求和,用于計算隱含節(jié)點的偏置posvisact = sum(data);             %對數(shù)據(jù)進行求和,用于計算可視節(jié)點的偏置,當迷你塊中樣本的個數(shù)為1時,% 求得的偏置向量中的又換宿相同,此時會影響預訓練的結(jié)果%%%%%%%%% 正向階段結(jié)束  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%poshidstates = poshidprobs > rand(numcases,numhid);%將隱含層的概率激活值poshidprobs進行0.1二值化,按照概率值大小來判定。rand(m,n)產(chǎn)生%m*n大小的矩陣,將poshidprobs中的值和rand產(chǎn)生的比較,如果大于隨機矩陣對應位置的值,則將其相應位置為1,否則為0%%%%%%%%% 開始反向階段的計算  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%negdata = 1./(1 + exp(-poshidstates*vishid' - repmat(visbiases,numcases,1)));%反向階段計算可視節(jié)點的值neghidprobs = 1./(1 + exp(-negdata*vishid - repmat(hidbiases,numcases,1)));    %計算隱含層節(jié)點的概率值negprods  = negdata'*neghidprobs;%計算反向散度統(tǒng)計量neghidact = sum(neghidprobs);negvisact = sum(negdata); %%%%%%%%% 反向階段結(jié)束 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%err= sum(sum( (data-negdata).^2 ));%計算訓練集中原始數(shù)據(jù)和重構(gòu)數(shù)據(jù)之間的重構(gòu)誤差errsum = err + errsum;if epoch>5,momentum=finalmomentum;         %在迭代更新參數(shù)過程中,前4次使用初始動量項,之后使用確定動量項elsemomentum=initialmomentum;end;%%%%%%%%%以下代碼用于更新權(quán)值和偏置%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% vishidinc = momentum*vishidinc + ...%權(quán)值更新時的增量epsilonw*( (posprods-negprods)/numcases - weightcost*vishid);visbiasinc = momentum*visbiasinc + (epsilonvb/numcases)*(posvisact-negvisact);%可視層偏置更新時的增量hidbiasinc = momentum*hidbiasinc + (epsilonhb/numcases)*(poshidact-neghidact);%隱含層偏置更新時的增量vishid = vishid + vishidinc;%更新權(quán)值visbiases = visbiases + visbiasinc;%更新可視層偏置hidbiases = hidbiases + hidbiasinc;%更新隱含層偏置%%%%%%%%%%%%%%%% END OF UPDATES %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% end%fprintf(1, 'epoch %4i error %6.1f  \n', epoch, errsum); 
end;
%%%每次迭代結(jié)束后,顯示訓練集的重構(gòu)誤差

參考資料

[1] https://blog.csdn.net/article/details/126195343?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/article/details/126189867?spm=1001.2014.3001.5501

http://www.risenshineclean.com/news/54249.html

相關(guān)文章:

  • 上海網(wǎng)站建設(shè) 億速網(wǎng)絡(luò)推廣合同
  • java語言做網(wǎng)站企業(yè)建站公司熱線電話
  • 電腦網(wǎng)站設(shè)計頁面抖音關(guān)鍵詞優(yōu)化排名靠前
  • 服務型網(wǎng)站的營銷特點域名免費注冊
  • 博客和網(wǎng)站有什么不同百度廣告點擊軟件源碼
  • 網(wǎng)站建設(shè)開發(fā)有限公司線下推廣方式有哪些
  • wordpress 4.8中文版高級seo是什么職位
  • 成都網(wǎng)站優(yōu)化報價營銷策劃師
  • 安徽省住房與城鄉(xiāng)建設(shè)網(wǎng)站網(wǎng)絡(luò)推廣怎么做
  • 上海網(wǎng)站建設(shè)的企濟南網(wǎng)站建設(shè)方案
  • 網(wǎng)站和webapp的區(qū)別網(wǎng)上推廣平臺
  • 網(wǎng)站建設(shè)詳細需求文檔東莞做網(wǎng)站哪個公司好
  • 全屏網(wǎng)站尺寸鄭州seo哪家專業(yè)
  • 如何提升網(wǎng)站速度女生讀網(wǎng)絡(luò)營銷與電商直播
  • 珠江現(xiàn)代建設(shè) 雜志社網(wǎng)站石家莊seo網(wǎng)絡(luò)優(yōu)化的公司
  • 科技打破壟斷全球的霸權(quán)鄭州seo排名優(yōu)化公司
  • 做門戶網(wǎng)站源碼上海網(wǎng)絡(luò)推廣平臺
  • php 做網(wǎng)站網(wǎng)店無貨源怎么做
  • 交友系統(tǒng)網(wǎng)站建設(shè)系統(tǒng)優(yōu)化的方法
  • 網(wǎng)站建設(shè)教程下載seo如何快速排名
  • 網(wǎng)站一屏做多大網(wǎng)址域名注冊
  • 手機網(wǎng)站制作行業(yè)排行前端seo搜索引擎優(yōu)化
  • 網(wǎng)站內(nèi)容作弊的形式南寧網(wǎng)站建設(shè)網(wǎng)絡(luò)公司
  • 建網(wǎng)站能在家里做嗎網(wǎng)站設(shè)計的流程
  • 中國紀檢監(jiān)察報電子報鄭州seo優(yōu)化顧問阿亮
  • wordpress首頁調(diào)用文章縮略圖上海百度整站優(yōu)化服務
  • 做網(wǎng)站加班市場調(diào)研報告范文
  • wordpress 鏈接 中文亂碼小璇seo優(yōu)化網(wǎng)站
  • 南寧網(wǎng)站推廣最新熱搜榜
  • 網(wǎng)絡(luò)規(guī)劃設(shè)計師需要的基礎(chǔ)百度網(wǎng)站怎樣優(yōu)化排名