怎么做中英文版网站,最近三天的新闻大事摘抄,手机网站制作机构,南宁网站设计公司排名【MATLAB第84期】基于MATLAB的波形叠加极限学习机SW-ELM代理模型的sobol全局敏感性分析法应用
前言
跟往期sobol区别#xff1a; 1.sobol计算依赖于验证集样本#xff0c;无需定义变量上下限。 2.SW-ELM自带激活函数#xff0c;计算具有phi#xff08;x#xff09;e^x激…【MATLAB第84期】基于MATLAB的波形叠加极限学习机SW-ELM代理模型的sobol全局敏感性分析法应用
前言
跟往期sobol区别 1.sobol计算依赖于验证集样本无需定义变量上下限。 2.SW-ELM自带激活函数计算具有phixe^x激活函数的单层神经网络的一阶和总Sobol指数 本篇文章将演示如何实现波形叠加极限学习机SW-ELM来计算示例模型的一阶和总Sobol指数。
共有四个部分 1.生成训练和验证集 2.构建ELM的参数。要使用多少个基函数使用什么正则化参数要测试哪些稀疏化参数 3.SW-ELM代理构建并执行全局敏感性分析 4.绘图
一、生成训练和验证集
clear all
res xlsread(数据集.xlsx);%% 划分训练集和测试集
%temp randperm(103);
temp1:103
P_train res(temp(1: 80), 1: 7);
T_train res(temp(1: 80), 8);
M size(P_train, 2);P_test res(temp(81: end), 1: 7);
T_test res(temp(81: end), 8);
N size(P_test, 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);%% 转置以适应模型
p_train p_train; p_test p_test;
t_train t_train; t_test t_test;二、ELM参数设置
model_data.nneurons500;%隐藏层神经元的数量即ELM基函数 model_data.lambda1e-4;%L2正则化参数 p_list[0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 0.99];%这里列出了所有要测试的稀疏化参数。 p_sz length(p_list); %要测试的稀疏化参数的数量
ndim size(p_train,2); %输入维度 s_sz size(p_train,1);%训练集大小 Xd_train p_train; Yd_train t_train;
va_sz size(p_test,1); % 验证集数量 Xd_valid p_test; Yd_valid t_test;
三、SW-ELM代理构建并执行全局敏感性分析 elm_valid exp(Xd_valid * W bias) * beta;
rel(j) rel(j) norm(Yd_valid - elm_valid) / norm(Yd_valid); %选择哪一个稀疏化参数最好的相对误差估计
[W,bias,beta] ELM(Xd_train,Yd_train,model_data);
elm_valid exp(Xd_valid * W bias) * beta;
T_sim2 mapminmax(reverse, elm_valid, ps_output);
error norm(T_test - T_sim2) / norm(T_test); % SW-ELM误差
[sobolR,sobolT,sig2] sobol_elm(W,beta,bias); % 最后这个函数计算灵敏度指数四、绘图 五、代码获取
私信回复“84期”即可获取下载链接。
