gusucode.com > MATLAB神经网络多个案例分析及详细源代码 > 源程序/案例20 神经网络变量筛选—基于BP的神经网络变量筛选/chapter20.m
%% 案例20:神经网络变量筛选—基于BP的神经网络变量筛选 % % % <html> % <table border="0" width="600px" id="table1"> <tr> <td><b><font size="2">该案例作者申明:</font></b></td> </tr> <tr> <td><span class="comment"><font size="2">1:本人长期驻扎在此<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html"><font color="#0000FF">板块</font></a>里,对<a target="_blank" href="http://www.ilovematlab.cn/thread-48362-1-1.html"><font color="#0000FF">该案例</font></a>提问,做到有问必答。</font></span></td></tr><tr> <td><span class="comment"><font size="2">2:此案例有配套的教学视频,配套的完整可运行Matlab程序。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 3:以下内容为该案例的部分内容(约占该案例完整内容的1/10)。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 4:此案例为原创案例,转载请注明出处(<a target="_blank" href="http://www.ilovematlab.cn/">Matlab中文论坛</a>,<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html">《Matlab神经网络30个案例分析》</a>)。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 5:若此案例碰巧与您的研究有关联,我们欢迎您提意见,要求等,我们考虑后可以加在案例里。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 6:您看到的以下内容为初稿,书籍的实际内容可能有少许出入,以书籍实际发行内容为准。</font></span></td> </tr><tr> <td><span class="comment"><font size="2"> 7:此书其他常见问题、预定方式等,<a target="_blank" href="http://www.ilovematlab.cn/thread-47939-1-1.html">请点击这里</a>。</font></span></td> </tr></table> % </html> % %% 清空环境变量 clc clear %% 产生输入 输出数据 % 设置步长 interval=0.01; % 产生x1 x2 x1=-1.5:interval:1.5; x2=-1.5:interval:1.5; % 产生x3 x4(噪声) x=rand(1,301); x3=(x-0.5)*1.5*2; x4=(x-0.5)*1.5*2; % 按照函数先求得相应的函数值,作为网络的输出。 F =20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2); %设置网络输入输出值 p=[x1;x2;x3;x4]; t=F; %% 变量筛选 MIV算法的初步实现(增加或者减少自变量) p=p'; [m,n]=size(p); yy_temp=p; % p_increase为增加10%的矩阵 p_decrease为减少10%的矩阵 for i=1:n p=yy_temp; pX=p(:,i); pa=pX*1.1; p(:,i)=pa; aa=['p_increase' int2str(i) '=p']; eval(aa); end for i=1:n p=yy_temp; pX=p(:,i); pa=pX*0.9; p(:,i)=pa; aa=['p_decrease' int2str(i) '=p']; eval(aa); end %% 利用原始数据训练一个正确的神经网络 nntwarn off; p=p'; % bp网络建立 net=newff(minmax(p),[8,1],{'tansig','purelin'},'traingdm'); % 初始化bp网络 net=init(net); % 网络训练参数设置 net.trainParam.show=50; net.trainParam.lr=0.05; net.trainParam.mc=0.9; net.trainParam.epochs=2000; % bp网络训练 net=train(net,p,t); %% 变量筛选 MIV算法的后续实现(差值计算) % 转置后sim for i=1:n eval(['p_increase',num2str(i),'=transpose(p_increase',num2str(i),')']) end for i=1:n eval(['p_decrease',num2str(i),'=transpose(p_decrease',num2str(i),')']) end % result_in为增加10%后的输出 result_de为减少10%后的输出 for i=1:n eval(['result_in',num2str(i),'=sim(net,','p_increase',num2str(i),')']) end for i=1:n eval(['result_de',num2str(i),'=sim(net,','p_decrease',num2str(i),')']) end for i=1:n eval(['result_in',num2str(i),'=transpose(result_in',num2str(i),')']) end for i=1:n eval(['result_de',num2str(i),'=transpose(result_de',num2str(i),')']) end %% MIV的值为各个项网络输出的MIV值 MIV被认为是在神经网络中评价变量相关的最好指标之一,其符号代表相关的方向,绝对值大小代表影响的相对重要性。 for i=1:n IV= ['result_in',num2str(i), '-result_de',num2str(i)]; eval(['MIV_',num2str(i) ,'=mean(',IV,')']) end web browse http://www.ilovematlab.cn/viewthread.php?tid=62460 %% % % <html> % <table align="center" > <tr> <td align="center"><font size="2">版权所有:</font><a % href="http://www.ilovematlab.cn/">Matlab中文论坛</a> <script % src="http://s3.cnzz.com/stat.php?id=971931&web_id=971931&show=pic" language="JavaScript" ></script> </td> </tr></table> % </html> %