本文主要用于积累自己学习过程中搭建神经网络的常见代码，如有不准确之处，欢迎各路大神指出！谢谢！训练网络optimizer = optim.SGD(net.parameters(), lr=0.01, momentum=0.9)
criterion = nn.NLLLoss()optim.SGD （）用于优化神经网络，使得
转载
2023-08-10 23:43:41
196阅读
前沿：先学习本篇文章之前，建议大家先学习我编写的上一篇“使用Python从头实现一个神经网络”，再来学习学习本篇使用神经网络进行房价预测。介绍：本次使用神经网络进行房价的预测，利用数据样本学习，得到相关因素预测房价。数据介绍：数据来源：使用爬虫工具爬取广州某小区的售房信息。爬取到的数据如下：选取变量共有380条数据，七项指标，选取其中五项指标，分别为总价，面积、房间数量、客厅数量、建造年份。选取房
转载
2023-09-14 21:11:27
502阅读
1 简介数据预测是指在分析现有数据的基础上估计或推测未来的数据的过程.神经网络具有良好的训练性和自学习能力,能够对大量复杂数据进行分析,特别是RBF网络模型,非常适合解决预测问题.随着云计算技术的迅速发展,数据获取,数据存储,数据分析的能力的发展和普及,使得在传统模式下很难进行的大数据量数据预测成为可能.2 部分代码clc
clear all
close all
ST_RBF = load('S
转载
2022-09-10 16:33:00
242阅读
神经网络(Artificial Neural Network)：全称为人工神经网络（ANN），是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型。 部分原理：下面是单个神经元的数学模型： +1代表偏移值(偏置项, Bias Units)；X1,X2,X2代表初始特征；w0,w1,w2,w3代表权重(Weight)，即参数，是特
转载
2023-07-17 11:46:53
266阅读
我们初步认识了神经网络的基本概念（如神经元、多层连接、前向计算、计算图）和模型结构三要素（模型假设、评价函数和优化算法）。本节将以“波士顿房价”任务为例，向读者介绍使用Python语言和Numpy库来构建神经网络模型的思考过程和操作方法。波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。和大家对房价的普遍认知相同，波士顿地区的房价是由诸多因素影响的。该数据集统计
转载
2024-02-03 11:38:23
42阅读
此代码将传统神经网络用粒子群算法改进，通过粒子群算法的值作为神经网络权重初值，精度更高，改良BP神经网络反向传播的梯度下降法，让误差更好的逼近全局最优值；本代码多或单输入，对应多或单输出均可；%% 清空环境
clc
clear
%PSO-BP神经网络预测，
%"多或单输入与多或单输出均可"
%读取数据
%先将测试集与训练集、输入与输出区分好,
%"数据自己拆分好训练集与测试集，xlsx对应命名如
转载
2023-09-18 16:03:53
517阅读
这里写目录标题学习目标：学习内容：1. 使用现有的预训练模型线下训练，线上加载运行线下训练线上加载迁移学习2.Keras Sequential模式建立模型(不推荐，灵活性太差）3.Functional API 函数api建立模型（最常用，可构建复杂网络）4.tf构建模型Class总结： 学习目标：tensorflow2模型构建4种方法，掌握其优缺点。 顺便：compile是TensorFlow2
转载
2023-08-07 19:46:34
232阅读
LeNet的简要介绍卷积神经网络（LeNet）是1998年提出的，其实质是含有卷积层的一种网络模型。该网络的构成：该网络主要分为卷积层块和全连接层块两个部分。卷积层块的基本单位是“卷积层+最大池化层”，其中卷积层主要用来识别图像的空间模式，后接的最大池化层主要用于降低卷积层对于位置的敏感性。全连接层用于完成最后的分类。本文以教材中最常见的LeNet-5为例进行代码实现及模型预测，该网络模型图如下图
转载
2023-09-12 11:32:51
280阅读
前言：本篇博文主要介绍BP神经网络的相关知识，采用理论+代码实践的方式，进行BP神经网络的学习。本文首先介绍BP神经网络的模型，然后介绍BP学习算法，推导相关的数学公式，最后通过Python代码实现BP算法，从而给读者一个更加直观的认识。1.BP网络模型为了将理论知识描述更加清晰，这里还是引用《人工神经网络理论、设计及应用_第二版》相关的介绍。特别提醒一点：理解BP神经网络，最好提前阅读“感知器”
转载
2023-08-01 15:30:32
494阅读
一、BP神经网络简单介绍BP神经网络是一种人工神经网络，其主旨是一种进行分布式并行信息处理的数学模型。 其内部包含一个或多个隐含层。1、基本概念感知器代表BP神经网络中的单个节点。 其包含：输入项、权重、偏置、激活函数、输出。 下图可以看出其详细信息：其中Xi代表输入、Wi代表权重、b代表偏置、f代表激活函数。 引入偏置b的原因在于让其模型适用于更多情况。 图中的工作流程为：从输入端开始，沿着箭头
转载
2023-09-18 15:50:34
797阅读
在做logistics回归之前，我们要先对你要做预测的变量做个相关分析，找出和你因变量相关的自变量。我这里就不做了，直接用我处理之后的数据。 打开我们要分析的数据，单击“分析”，选择“回归”，然后选择“二元Logistics回归”，弹出下面的界面，如图： 把是否购买移到因变量框里面去，把消费金额和消费数量移动到协变量框里面去，然后单击“保存”按钮，弹出“Logistics回归：保
转载
2024-01-23 21:14:45
154阅读
1、数据准备训练数据为train.csv，预测数据为test.csv。 训练数据
x1x2x3y0.050186.259976.20.050148.2487299.50.050129.23359289.250.050117.83796450.330.054137.710471.60.054107.1759780.05487.98424848.330.05480.336396090.0561
转载
2023-08-01 20:34:35
49阅读
基于BP神经网络的客运量预测仿真，纯手写Python实现随着城市化进程的加速和交通工具的不断更新换代，客运量预测成为了城市公共交通领域中非常重要的研究方向。本文提出一种基于BP神经网络的客运量预测仿真算法，通过对历史客运数据进行分析和处理，实现了对未来客流量的高精度预测。在这个算法中，我们使用了Python语言来实现BP神经网络的训练和预测。首先，我们需要准备好历史的客运数据，包括时间、路线、站点
转载
2023-07-05 14:43:36
348阅读
深度学习 一、实验介绍 1.1 实验内容深度学习。 1.2 实验知识点梯度消失问题交叉熵损失函数 1.3 实验环境python 2.7numpy 1.12.1scipy 0.19.0 二、实验步骤 2.1 增加网络的深度shallow.py稍加修改，我们就可以得到一个深度神经网络，修改后的文件我们命令为deep.py：# encoding=utf-8
from layers import *
转载
2023-10-27 18:33:57
93阅读
MATLAB Elman神经网络的数据预测—电力负荷预测模型研究负荷预测的核心问题是预测的技术问题，或者说是预测的数学模型。传统的数学模型是用显示的数学表达式加以描述，具有计算量小、速度快的优点，但同时也存在很多的缺陷和局限性，比如不具备自学习、自适应能力、预测系统的鲁棒性没有保障等。特别是随着我国经济的发展，电力系统的结构日趋复杂，电力负荷变化的非线性、时变性和不确定性的特点更
转载
2023-07-14 17:22:16
154阅读
一、AQF研报摘要卷积神经网络引领深度学习的发展，能够运用于多因子选股卷积神经网络(CNN)是目前最为成熟的深度学习模型，是近年来人工智能蓬勃发展的重要推手之一，其主要特点是通过卷积和池化操作进行自动的特征提取和特征降维。本文首先通过原理分析给出了CNN 运用于多因子选股的经验方法;然后在全 A 股票池内对 CNN 的预测结果进行单因子测试，其单因子测试结果相比对比模型具有良好表现;本文还构建了行
转载
2023-11-06 18:33:11
13阅读
BP神经网络结构神经网络旨在通过模仿动物的神经系统利用神经元作为连接结点的新型智能算法，神经网络本身包含三层结构，输入层，隐含层，输出层，每一层都有自己的特殊功能，输入层进行因子的输入与处理。由于在实际情况中，所有输入的数据并不是线性的，有的时间还是多维的，让该数据通过隐含层进行训练，使得数据可视化，以期达到自己所需要的数据，是神经网络的核心所在在经过隐含层后的训练后，数据基本上也就达到了自己的要
转载
2023-08-31 20:03:51
248阅读
LSTM神经网络，一种中长期记忆时间序列预测模型，通过长期得到数据来预测未来短期的结果，对中长期预测效果很差，本文只介绍单变量预测，即通过多天的电力数据来预测短期的电力，影响因素只有时间，不考虑其他影响因素（本文只是博主自己为了应付本次泰迪杯所自己去学习而所写的，也只供自己学习和便于查看，有所错误还望斧正），本次所用的数据来自泰迪杯官网所公布的部分数据，大概长这样 整个的步骤流程如下：1
转载
2023-09-21 14:49:25
121阅读
from sklearn.neural_network import MLPRegressorhidden_layer_sizes :隐含层尺寸，例如hidden_layer_size=(30,20,20) activation:激活函数，常用"identity",“logistic”,“tanh”,“relu” solver:模型优化的方法 ，常用三种："lbfgs"牛顿法,适合小样本、 “sg
转载
2023-05-24 14:57:27
241阅读
最近，想研究关于BP神经网络在数据预测上的一些模型，发现基本找不到可以直接用来做实验的代码，写这篇博客总结总结。当然，除了单纯的BP神经网络的预测外，还有很多改进的网络，比如PSO-BP，后续有机会的话，也会共享到此博客。1.BP网络模型 BP网络（Back-ProPagation Network）又称反向传播神经网络， 通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期
转载
2023-07-29 11:40:01
368阅读
