grnn，用GRNN計算下列的數(shù)據(jù)不用matlab想知道如何在EXCEL中計算

來源：整理時間：2023-08-20 00:23:54 編輯：智能門戶手機版

本文目錄一覽

1，用GRNN計算下列的數(shù)據(jù)不用matlab想知道如何在EXCEL中計算
2，R語言做GRNN的程序運行出錯求教
3，BP神經(jīng)網(wǎng)絡(luò)和GRNN的區(qū)別是什么
4，rbf和grnn神經(jīng)網(wǎng)絡(luò)的區(qū)別
5，elman神經(jīng)網(wǎng)絡(luò)能夠解決的問題還有其他什么網(wǎng)絡(luò)能夠更好的解決

1，用GRNN計算下列的數(shù)據(jù)不用matlab想知道如何在EXCEL中計算

雖然我很聰明，但這么說真的難到我了

用GRNN計算下列的數(shù)據(jù)不用matlab想知道如何在EXCEL中計算

2，R語言做GRNN的程序運行出錯求教

你復(fù)制的時候出現(xiàn)的錯誤,末尾多了或者少了一行等的錯誤,建議重新復(fù)制到剪切板,然后看看。最好讀本地文件,讀復(fù)制的文件,每次這樣做很麻煩,還容易出錯。

我不會~~~但還是要微笑~~~：）

R語言做GRNN的程序運行出錯求教

3，BP神經(jīng)網(wǎng)絡(luò)和GRNN的區(qū)別是什么

一般用som網(wǎng)絡(luò) 推薦你一本書神經(jīng)網(wǎng)絡(luò)43案例里頭有數(shù)字識別這個

一般的數(shù)據(jù)擬合，傳統(tǒng)的lsqcurvefit和lsqnonlin，如果較新的方法就很多了，比如神經(jīng)網(wǎng)絡(luò)，小樣本的一般是GRNN和灰色神經(jīng)網(wǎng)絡(luò)，大樣本下更多選擇了，BP、SVM等等，還可以有遺傳算法等等

BP神經(jīng)網(wǎng)絡(luò)和GRNN的區(qū)別是什么

4，rbf和grnn神經(jīng)網(wǎng)絡(luò)的區(qū)別

效果都不好,樣本少最好是用統(tǒng)計學加一些機械學習的思想自己多做嘗試,設(shè)計特征給出一個固定的預(yù)測模型,效果根神經(jīng)網(wǎng)絡(luò)不在一個檔次上,人的智商遠遠比電腦高,神經(jīng)網(wǎng)絡(luò)勉強算大數(shù)據(jù)的技術(shù),前提就是要有大量冗余的數(shù)據(jù),大到疲于用統(tǒng)計學方法處理.

minute by some stroke of fortune,

5，elman神經(jīng)網(wǎng)絡(luò)能夠解決的問題還有其他什么網(wǎng)絡(luò)能夠更好的解決

還可以使用GRNN神經(jīng)網(wǎng)絡(luò)，效果非常好，并且訓練速度非?？?。廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN：徑向基神經(jīng)元和線性神經(jīng)元可以建立廣義回歸神經(jīng)網(wǎng)絡(luò)，它是徑RBF網(wǎng)絡(luò)的一種變化形式，經(jīng)常用于函數(shù)逼近。在某些方面比RBF網(wǎng)絡(luò)更具優(yōu)勢。在MATLAB中，直接使用net=newgrnn(P,T,spread)就能以非?？斓乃俣仍O(shè)計出一個GRNN網(wǎng)絡(luò)，其進行訓練及預(yù)測時，效果非常好，不會比elman神經(jīng)網(wǎng)絡(luò)差。擴展常數(shù)SPREAD不能太小，才能使部分徑向基神經(jīng)元能夠?qū)斎胂蛄克采w的區(qū)間產(chǎn)生相應(yīng)，但也不能太大，否則計算困難。可以通過試湊來獲得最佳擴展常數(shù)。

你是參考別人的代碼修改的吧？報錯信息的意思是：input_train、output_train這兩個變量沒有定義。你應(yīng)該在之前對這兩個變量進行賦值，即將訓練數(shù)據(jù)的輸入和輸出做成矩陣形式，以一列為一個樣本，再賦值給這兩個變量。訓練elman神經(jīng)網(wǎng)絡(luò)可以用train()或者adapt()。兩個函數(shù)不同之處在于，train()函數(shù)應(yīng)用反向傳播訓練函數(shù)進行權(quán)值修正，通常選用traingdx訓練函數(shù)；adapt()函數(shù)應(yīng)用學習規(guī)則函數(shù)進行權(quán)值修正，通常選用learngdm函數(shù)。elman神經(jīng)網(wǎng)絡(luò)的可靠性要比一些其他類型網(wǎng)絡(luò)差一些，這是因為在訓練和調(diào)整時，應(yīng)用誤差梯度的估計值。恰恰因為這一點，構(gòu)建網(wǎng)絡(luò)時，為了達到這一精度，elman神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元的數(shù)目比其他網(wǎng)絡(luò)結(jié)構(gòu)相對較多。