GRNN和多层前馈网络BP实例比较分析
这篇文章主要介绍"GRNN和多层前馈网络BP实例比较分析"，在日常操作中，相信很多人在GRNN和多层前馈网络BP实例比较分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"GRNN和多层前馈网络BP实例比较分析"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
GRNN神经网络和BP网络都可以用于货运量的预测，但对具体的网络训练来说，GRNN需要调整的参数较少，只有一个spread参数，因此可以更快地预测网络，具有较大的计算优势。
这是BP网络的实现：
clear
load best
%这是GRNN预测完保存的相关数据
n=13;
p=desired_input;
t=desired_output;
net_bp=newff(minmax(p),[n,3],{'tansig','purelin'},'trainlm');
% 训练网络
net.trainParam.show=50;
net.trainParam.epochs=2000;
net.trainParam.goal=1e-3;
%调用TRAINLM算法训练BP网络
net_bp=train(net_bp,p,t);
bp_prediction_result=sim(net_bp,p_test);
bp_prediction_result=postmnmx(bp_prediction_result,mint,maxt);
bp_error=t_test-bp_prediction_result';
disp(['BP神经网络三项流量预测的误差为',num2str(abs(bp_error))])
到此，关于"GRNN和多层前馈网络BP实例比较分析"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
