基于广义回归神经网络货运量预测代码

上传者: 58438203 | 上传时间: 2025-04-14 17:56:36 | 文件大小: 6KB | 文件类型: ZIP
广义回归神经网络(Generalized Regression Neural Network, GRNN)是一种基于径向基函数(Radial Basis Function, RBF)的前馈神经网络,由Donald Specht在1991年提出。GRNN特别适用于回归问题,但也可以在一定程度上用于分类问题。 广义回归神经网络的特点: 径向基函数:GRNN使用径向基函数作为隐藏层神经元的激活函数,这些函数通常具有中心点和宽度参数。 非线性映射:输入数据通过径向基函数进行非线性映射,形成特征空间。 全局逼近能力:GRNN具有全局逼近能力,可以逼近任意连续函数到任意精度。 无局部极小问题:与传统的神经网络不同,GRNN的训练过程不涉及梯度下降,因此没有陷入局部极小值的风险。 快速训练:GRNN的训练过程简单,通常只需要一个或几个迭代步骤即可完成。 参数选择:GRNN的性能受到径向基函数的中心点和宽度参数的影响,这些参数的选择对模型的泛化能力至关重要。

文件下载

资源详情

[{"title":"( 6 个子文件 6KB ) 基于广义回归神经网络货运量预测代码","children":[{"title":"43.基于广义回归神经网络货运量预测代码","children":[{"title":"best.mat <span style='color:#111;'> 1.21KB </span>","children":null,"spread":false},{"title":"运行提示.txt <span style='color:#111;'> 198B </span>","children":null,"spread":false},{"title":"chapter8_1.m <span style='color:#111;'> 2.14KB </span>","children":null,"spread":false},{"title":"chapter8.2.asv <span style='color:#111;'> 2.50KB </span>","children":null,"spread":false},{"title":"data.mat <span style='color:#111;'> 815B </span>","children":null,"spread":false},{"title":"chapter8_2.m <span style='color:#111;'> 626B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明