资源简介
利用深度信念网络，通过非限制性玻尔兹曼机逐层训练车位数据，得到其特征，从而提高预测精度。
代码片段和文件信息
%建立多层RBM堆叠的网络、导入归一化数据，建立的网络输入节点为96，导入的数据也是96维
clear all;
close all;
tic %该函数表示计时开始
%原始数据
A = [44 31 20 15 23 11 23 37 34 17 18 21 16 13 25 38 25 22 19 23 18 20 26 37 42 27 12 13 25 15 25 33 37 18 21 28 21 10 22 29 32 21 8 13 15 16 19 25 43 33 14 23 21 20 16 22 25 27 12 21 25 13 14 22 36 16 14 15 18 11 14 25 30 26 20 28 16 19 16 29 35 24 8 12 23 18 19 33 41 22 12 25 23 11 23 37];
B = [40 33 18 23 11 20 24 35 38 26 19 10 11 12 14 17 33 29 24 28 11 20 23 25 30 30 20 11 12 12 18 40 28 26 10 23 14 20 17 26 23 23 10 19 16 13 23 17 31 23 16 13 18 18 14 34 27 27 17 27 20 14 23 37 35 27 21 9 22 17 16 19 42 24 12 26 24 16 19 23 33 17 12 14 26 15 22 40 41 32 15 18 27 18 14 29];
%要进行预测的实测数据
C = [40 24 16 22 10 11 22 14 38 18 16 12 5 15 20 37 28 14 17 26 6 19 16 18 36 15 16 12 11 17 14 30- 上一篇：模型阶次辨识算例及matlab程序
- 下一篇：matlab计算信号功率谱及双谱
评论
共有 条评论