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