R语言实现人工神经网络预测实例

最新推荐文章于 2024-08-29 12:42:53 发布

Joe?

最新推荐文章于 2024-08-29 12:42:53 发布

阅读量1w

点赞数 5

文章标签：人工智能 r语言数据结构与算法

原文链接：http://www.cnblogs.com/liquan-anran/p/9507563.html

版权

本文介绍如何利用R语言中的AMORE包构建神经网络模型进行预测。通过安装和加载AMORE和nnet库，对输入数据进行归一化处理，然后训练神经网络并测试模型，以预测目标值。

摘要由CSDN通过智能技术生成

R语言中很多包（package）关于神经网络，例如nnet、AMORE、neuralnet以及RSNNS。nnet提供了最常见的前馈反向传播神经网络算法。AMORE包则更进一步提供了更为丰富的控制参数，并可以增加多个隐藏层。neuralnet包的改进在于提供了弹性反向传播算法和更多的激活函数形式。RSNNS则是连接R和SNNS的工具，在R中即可直接调用SNNS的函数命令，在这方面有了极大的扩充。本文使用AMORE包来实现神经网络模型。可使用命令install.packages("AMORE")进行包的安装。

install.packages("AMORE")

library(AMORE)

library(nnet)

#输入一个11*10的矩阵，前8行用来训练，后3行用来预测
p<-matrix(c(6977.93,24647,11356.6,9772.5,1496.92,4279.65,89.84,95.97,9194,0.6068,
7973.37,28534,13469.77,11585.82,1618.27,5271.991,100.28,111.16,9442,0.63,
9294.26,33272,16004.61,14076.83,1707.98,6341.86,117.78,130.22,9660,0.6314,
10868.67,37638,18502.2,16321.46,1790.97,6849.688,134.77,125.56,9893,0.6337,
12933.12,39436,19419.7,18052.59,1855.73,6110.941,86.04,119.81,10130,0