BP and ELM BP神经网络与ELM神经网络算法比较

BP神经网络与ELM神经网络算法比较，通过对y=x1^2+x2^2的拟合来对比两种算法的计算时间和预测效果，实验证明，ELM算法更快更准确，文件中包含了运行程序的所有源文件

%y=x1^2+x2^2;
%分别用BP神经网络和
%EML神经网络方法进行训练和预测
%
clcclear;
load data input output;
k=rand（12000）;
[mn]=sort（k）;
input_train=input（n（1:1900）:）‘;
output_train=output（n（1:1900））;     %一行
input_test=input（n（1901:2000）:）‘;
output_test=output（n（1901:2000））;

[inputninputps]=mapminmax（input_train）;          %输入归一化
[outputnoutputps]=mapminmax（output_train）;    %输出归一化

net=newff（inputnoutputn5）;
net.trainParam.epochs=100;
net.trainParam.lr=0.1;
net.trainParam.goal=0.00004;

net=train（netinputnoutputn）;

inputn_test=mapminmax（‘apply‘input_testinputps）; %按照inputps格式进行归一化

an=sim（netinputn_test）;
BPoutput=mapminmax（‘reverse‘anoutputps）;%按照outputps格式进行反归一化，变成真实值

figure（1）
plot（BPoutput‘:og‘）;
hold on
plot（output_test‘-*‘）
legend（‘预测输出‘‘期望输出‘）;

error=output_test-BPoutput;
figure（2）
plot（error‘-*‘）


[IWBLWTFTYPE] = elmtrain（inputnoutputn30）;
tn_sim = elmpredict（inputn_testIWBLWTFTYPE）;
T_sim=mapminmax（‘reverse‘tn_simoutputps）;
figure（3）
plot（T_sim‘:og‘）;
hold on
plot（output_test‘-*‘）
legend（‘预测输出‘‘期望输出‘）;

error=output_test-T_sim;
figure（4）

plot（error‘-*‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-01-04 10:05  BP and ELM\
     文件        1244  2014-01-02 19:37  BP and ELM\BP_ELM.m
     文件       46375  2013-12-31 21:07  BP and ELM\data.mat
     文件        1454  2013-12-31 15:00  BP and ELM\elmpredict.m
     文件        1752  2013-12-31 15:00  BP and ELM\elmtrain.m