1234

ExcelHome技术论坛

用户名  找回密码
 免费注册

QQ登录

只需一步,快速开始

快捷登录

帖子
EH技术汇-专业的职场技能充电站 妙哉!函数段子手趣味讲函数 Excel服务器-会Excel,做管理系统 效率神器,一键搞定繁琐工作
HR薪酬管理数字化实战 Excel 2021函数公式学习大典 Excel数据透视表实战秘技 打造核心竞争力的职场宝典
让更多数据处理,一键完成 数据工作者的案头书 免费直播课集锦 ExcelHome出品 - VBA代码宝免费下载
用ChatGPT与VBA一键搞定Excel WPS表格从入门到精通 Excel VBA经典代码实践指南
查看: 3774|回复: 3

[求助] Excel函数及公式如何实现倒传递类神经网路预测功能?

[复制链接]

TA的精华主题

TA的得分主题

发表于 2008-12-27 09:59 | 显示全部楼层 |阅读模式
请问专家、高手Excel做的出来吗?后学不知道如何做,能提供函数及公式范例吗?

倒传递类神经网路预测流程概略整理如下:
1.网路建构参数决定:根据搜集之资料,分析决定倒传递类神经网路应用之相关参数,如隐藏层层数、隐藏层处理单元数目。
2.网路模型建立:建立输入项与输出项关系,进行类神经网路的学习与测试程序。
3.训练与学习:类神经网路输入资料时需将原搜集样本数据分成两部份,一部分是训练范例,其余是测试范例。将训练范例送入网路中进行训练,待训练完成后,将原训练范例数据输入网路中进行测试,并将网路计算之推测值与实际值相比对,可藉此评估学习绩效。
4.测试与验证:最后将训练范例与测试范例分别输入网路中进行运算。由测试范例输入后,可得推测值,再藉由推测值与实际值做比对,分析其差异。

各项参数设定如下:
网路参数项目            设定值
输入层神经元数目        输入项目计8项
隐藏层神经元数目        输入层与输出层个数总和计,输入层个数8个加输出层个数1个总计9个
输出层神经元数目        输出层个数计1项(预测值)
隐藏层层数              1层
训练范例                64笔
测试范例                20笔
学习循环                50次
学习法则                逐例学习
加权值初始值            0.3
加权值乱数种子          0.456
学习速率初始值          0.5
学习速率之折减系数      0.95
学习速率最小值          0.1
惯性因子初始值          0.5
惯性因子之折减系数      0.95
惯性因子最小值          0.1

输入资料如下:
12.5     0   0   1   188   188   290   253   242
301.3    1   0   1   406   297   193   242   257
1080.5   1   0   1   534   470   321   257   351
401.4    0   0   1   335   435   380   351   321
555.0    0   0   1   260   298   262   321   221
667.0    0   1   1   244   252   180   221   199
1679.1   1   0   1   265   255   217   199   295
279.1    1   0   1   226   246   372   295   294
945.6    0   0   1   243   235   215   294   175
206.7    0   0   1   110   177   134   175   154
418.4    0   0   1   215   163   174   154   189
1.0      0   1   1   290   253   204   189   216
155.6    0   0   0   193   242   227   216   210
31.5     1   0   1   321   257   193   210   273
0.0      1   0   1   380   351   352   273   539
128.3    0   0   1   262   321   725   539   554
142.3    0   0   1   180   221   383   554   322
662.7    0   1   1   217   199   261   322   344
258.6    1   0   1   372   295   346   304   321
1296.7   1   0   1   215   294   296   321   264
1728.9   0   0   1   134   175   231   264   251
253.4    0   0   1   174   154   270   251   217
54.4     0   0   1   204   189   164   217   159
14.4     0   1   1   227   216   153   159   224
90.9     0   0   0   193   210   295   224   289
33.0     1   0   1   352   273   283   289   320
285.3    1   0   1   725   539   357   320   370
74.2     0   0   1   383   554   382   370   365
505.0    0   0   1   261   322   348   365   302
88.7     0   1   1   346   304   255   302   305
619.5    1   0   1   296   321   354   305   253
816.0    1   0   1   231   264   151   253   209
1192.1   0   0   1   270   251   266   209   267
133.4    0   0   1   164   217   267   267   234
172.3    0   0   1   153   159   201   234   154
39.0     0   1   1   295   224   106   154   201
155.5    0   0   1   283   289   295   201   259
195.9    1   0   1   357   320   222   259   295
4.4      1   0   1   382   370   368   295   370
131.6    0   0   1   348   365   371   370   293
308.1    0   0   1   255   302   215   293   205
796.2    0   1   1   354   305   194   205   184
847.9    1   0   1   151   253   173   184   202
144.7    1   0   1   266   209   231   202   236
309.1    0   0   1   267   267   240   236   242
2730.3   0   0   1   201   234   244   242   222
4.2      0   0   1   106   154   200   222   180
18.0     0   1   1   295   201   160   180   199
16.8     0   0   0   222   259   237   199   236
72.5     1   0   1   368   295   235   236   224
1.5      1   0   1   371   370   213   224   458
24.1     0   0   1   215   293   702   458   494
6.0      0   0   1   194   205   286   494   371
598.0    0   1   1   173   184   456   371   354
258.6    1   0   1   231   202   252   354   255
1601.6   1   0   1   240   236   258   255   269
491.3    0   0   1   244   242   280   269   268
365.9    0   0   1   200   222   255   268   222
1.5      0   0   1   160   180   188   222   190
18.0     0   1   1   237   199   192   190   233
176.1    0   0   0   235   236   273   233   222
63.4     1   0   1   213   224   171   222   259
57.5     1   0   1   702   458   347   259   396
63.1     0   0   1   286   494   445   396   344
368.1    0   0   1   456   371   220   344   232
210.8    0   1   1   252   354   295   232   258
865.1    1   0   1   258   255   215   258   255
156.7    1   0   1   280   269   180   255   198
493.7    0   0   1   255   268   232   198   206
166.6    0   0   1   188   222   176   206   204
19.1     0   0   1   192   190   183   204   180
2.0      0   1   1   273   233   386   180   285
0.0      0   1   1   171   222   386   285   410
16.6     1   1   1   347   259   434   410   596
129.9    1   1   1   445   396   757   596   655
118.3    0   0   1   243   344   552   655   323
202.7    0   0   1   220   232    94   323   128
208.9    0   1   1   295   258   161   128   268
65.7     1   0   1   215   255   374   268   266
2324.9   1   0   1   180   198   158   266   199
949.2    0   0   1   232   206   239   199   210
271.6    0   0   1   176   204   181   210   163
12.5     0   0   1   183   180   145   163   176
0.0      0   1   1   386   285   206   176   261

以上,恳请专家、高手协助,谢谢!

TA的精华主题

TA的得分主题

发表于 2008-12-27 10:13 | 显示全部楼层
估计没几个人能看懂
你最好传个附件,做个示例

TA的精华主题

TA的得分主题

 楼主| 发表于 2009-1-1 10:28 | 显示全部楼层
1楼的输入资料贴成文字档,再以excel读取可成为附件,

问题是excel要如何运用公式及函数演算实现倒传递类神经网路预测?

后学找了一些相关资料提供如下:
类神经网路原理:http://www.pmsh.khc.edu.tw/data/science/2/index.htm
人工智慧-类神经网路:http://alexweb.cphotos.org/AI97A/03.%E9%A1%9E%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF.pdf
类神经网路及相關程式碼:http://140.134.32.156/new/%E8%80%81%E9%97%86%E4%BB%A5%E5%89%8D%E8%AC%9B%E7%BE%A9/%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF%E6%8E%A7%E5%88%B6/EXAMP.pdf
倒传递类神经网路的程式码:http://www.neural-networks-at-your-fingertips.com/bpn.html

恳请专家、高手帮忙做出~拜托了~

TA的精华主题

TA的得分主题

 楼主| 发表于 2009-1-10 22:54 | 显示全部楼层
都没有人理我...
再三恳求老师、专家、高手帮忙啊~
excel要如何运用公式及函数演算实现倒传递类神经网路预测?
请帮助提供excel的运算范例啊~
您需要登录后才可以回帖 登录 | 免费注册

本版积分规则

1234

手机版|关于我们|联系我们|ExcelHome

GMT+8, 2025-2-22 16:47 , Processed in 0.027264 second(s), 10 queries , Gzip On, MemCache On.

Powered by Discuz! X3.4

© 1999-2023 Wooffice Inc.

沪公网安备 31011702000001号 沪ICP备11019229号-2

本论坛言论纯属发表者个人意见,任何违反国家相关法律的言论,本站将协助国家相关部门追究发言者责任!     本站特聘法律顾问:李志群律师

快速回复 返回顶部 返回列表