这篇文章主要介绍“GRNN和多层前馈网络BP实例比较分析”，在日常操作中，相信很多人在GRNN和多层前馈网络BP实例比较分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”GRNN和多层前馈网络BP实例比较分析”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

GRNN神经网络和BP网络都可以用于货运量的预测，但对具体的网络训练来说，GRNN需要调整的参数较少，只有一个spread参数，因此可以更快地预测网络，具有较大的计算优势。

这是BP网络的实现：

clear

load best

%这是GRNN预测完保存的相关数据

n=13;

p=desired_input;

t=desired_output;

net_bp=newff(minmax(p),[n,3],{'tansig','purelin'},'trainlm');

% 训练网络

GRNN和多层前馈网络BP实例比较分析-冯金伟博客园
 

net.trainParam.show=50;

net.trainParam.epochs=2000;

net.trainParam.goal=1e-3;

%调用TRAINLM算法训练BP网络

net_bp=train(net_bp,p,t);

bp_prediction_result=sim(net_bp,p_test);

bp_prediction_result=postmnmx(bp_prediction_result,mint,maxt);

bp_error=t_test-bp_prediction_result';

disp(['BP神经网络三项流量预测的误差为',num2str(abs(bp_error))])