1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/ZJybmZlt
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
GMDH神经网络的主要思想是由系统各输入单元交叉组合产生一系列的活动神经元, 其中每一神经元都具有选择最优传递函数的功能, 再从已产生的一代神经元中选择若干与目标变量最为接近的神经元, 被选出神经元强强结合再次产生新的神经元, 重复这样一个优势遗传、竞争生存和进化的过程, 直至新产生的一代神经元都不比上一代更加优秀, 于是最优模型被选出。类似于其它神经网络, GMDH 算法具有如下两个基本思想: ① 以分析黑箱的方法处理系统输入输出关系；② 用网络间元素的互联关系描述网络的功能。
4.部分源码
.....................................................................................
% 载入数据文件 data.mat
load data.mat
t = [0:0.001:1]';
tmps = sin(2*pi*t/100);
x = [tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps,tmps];
x = x+randn(size(x))/50;
%GMDH网络参数
layer = [12 8 4 2];%网络层定义
test_rate = 0.15;% 测试集比例
% 计算数据集长度
lens = length(x(:,1));
% 计算测试集长度
test_lens = ceil(test_rate*lens);
% 计算训练集长度
Train_lens= lens-test_lens;
% 生成随机排列的索引
Train_rand= randperm(lens);
% 提取训练集和测试集的索引
idx1 = Train_rand(1:Train_lens);
idx2 = Train_rand(Train_lens+1:end);
% 使用函数 func_GMDH_train 训练 GMDH 模型
GMDH_model= func_GMDH_train(layer,x(idx1,:),t(idx1,:));
% 在测试集上进行 GMDH 模型预测
outputs = func_GMDH_test(GMDH_model,x(idx2,:));
% 绘制验证集的真实值和预测值的图像
figure;
PlotResults(t(idx2,:), outputs, '验证集');
% 绘制训练集数据的真实值和模型输出值的图像
figure;
PlotResults(t(GMDH_model.suffleList_train,:), GMDH_model.Layers{end}.value, '训练集');
% 获取 GMDH 模型的布局、最大度以及参数数量
[layout,maxi,nParameter]=GMDHLayout(GMDH_model);
% 绘制布局图
figure;
PlotLayout(layout,maxi,nParameter)
0X_020m
