深度置信网络时间序列预测.zip

基于matlab2019a编写的程序 深度置信网络时间序列预测，已经调好的程序，换了数据就可以用。无标签训练 划分训练集和测试集

function ubm = checkrbmtrain（train_algoubmdatamaxepocheta）
step = 32;
r = inf;%无穷大

batchsize = 50;

N=size（data1）;%返回data的行数
numhid = size（ubm.w2）;%返回ubm.w的列数
numbatches= floor（N/batchsize）;%N/batchsize取整后的最小整数

p = randperm（numbatches*batchsize）;%1~numbatches*batchsize所有的整数随机打乱
data = data（p:）;

data = mat2cell（dataones（1numbatches）*batchsize）;%data进行矩阵分解，分解成numbatches个1*50的子矩阵
% groups= repmat（1:numbatches 1 batchsize）;
% groups= groups（1:N）;
% perm=randperm（N）;
% groups = groups（perm）;
% batchdata = zeros（numbatchesbatchsizesize（data2））;
% for i=1:numbatches
%     fprintf（‘\rsplit batch %d/%d‘inumbatches）;
%     batchdata（i::）= data（groups==i:）;
% end
% batchdata = mat2cell（batchdataones（1numbatches））;
% fprintf（‘\r‘）;

% N=size（data1）;
% numhid = size（ubm.w2）;
% numbatches= ceil（N/batchsize）;
% batchdata = cell（numbatches1）;
% groups= repmat（1:numbatches 1 batchsize）;
% groups= groups（1:N）;
% perm=randperm（N）;
% groups = groups（perm）;
% batchdata = zeros（numbatchesbatchsizesize（data2））;
% for i=1:numbatches
%     fprintf（‘\rsplit batch %d/%d‘inumbatches）;
%     batchdata（i::）= data（groups==i:）;
% end
% batchdata = mat2cell（batchdataones（1numbatches））;
% fprintf（‘\r‘）;

while 1
    fprintf（‘learning rate = %f\n‘eta）;
    [ubm1r1] = train_algo（ubmdatamaxepocheta）;
    if r1>=r
        % if step > 1
        %     step = step/2;
        % else
            eta = eta/2;
        % end
        if eta <= 0.0001
            break;
        end
    else
        disp（inputname（2））;
        save（inputname（2）‘ubm‘）;
        ubm = ubm1;
    end
    r = r1;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-02-09 18:19  DBN预测\
     文件        1726  2018-12-14 09:37  DBN预测\checkrbmtrain.m
     文件        2645  2020-01-02 15:25  DBN预测\dbn_single.m
     文件         572  2019-01-14 16:24  DBN预测\dbnsetup.m
     文件         355  2019-01-14 17:21  DBN预测\dbntrain.m
     文件         510  2019-01-07 17:22  DBN预测\dbnunfoldtonn.m
     文件         628  2015-12-01 18:29  DBN预测\nnapplygrads.m
     文件        1638  2015-12-01 18:29  DBN预测\nnbp.m
     文件         704  2015-12-01 18:29  DBN预测\nnchecknumgrad.m
     文件         811  2015-12-01 18:29  DBN预测\nneval.m
     文件        1885  2019-12-19 16:18  DBN预测\nnff.m
     文件         195  2019-12-18 20:36  DBN预测\nnpredict.m
     文件        1846  2019-01-07 21:52  DBN预测\nnsetup.m
     文件         183  2019-12-19 16:25  DBN预测\nntest.m
     文件        2600  2019-01-15 20:01  DBN预测\nntrain.m
     文件        1858  2015-12-01 18:29  DBN预测\nnupdatefigures.m
     文件         244  2019-12-23 15:35  DBN预测\nomean.m
     文件         685  2018-11-22 15:55  DBN预测\normalization.m
     文件          90  2015-12-01 18:29  DBN预测\rbmdown.m
     文件        1945  2019-03-26 16:11  DBN预测\rbmtrain.m
     文件          89  2015-12-01 18:29  DBN预测\rbmup.m
     文件          48  2015-12-01 18:29  DBN预测\sigm.m
     文件         126  2015-12-01 18:29  DBN预测\sigmrnd.m
     文件          54  2018-04-22 19:09  DBN预测\tanh_opt.m
     文件        8493  2019-03-21 17:03  DBN预测\test-distance.m