在这个示例中，我们使用Bernoulli Restricted Boltzmann Machine (RBM)来提取DBN输出层的结果作为新的特征向量。然后，我们将新的特征向量输入到一个支持向量回归模型（SVR）中进行训练和预测。最后，我们计算均方误差来评估模型的性能。
1.一种基于dbn-svr的海表面温度预测方法,包括以下步骤: 技术总结 本发明涉及一种基于DBN‑SVR的海表面温度预测方法,包括以下步骤:⑴选取预测区域,获取海表面温度资料后截取相应区域的数据,经归一化处理得到处理后的数据;⑵处理后的数据作为输入层输入至DBN‑SVR模型中,并以平均绝对误差和均方根误差作为模型的评价...
下面使用的示例中的RegressorChain与默认输出以适合于多输出回归测试问题的线性SVR。 # example of fitting a chain of linear SVR for multioutput regressionfrom sklearn.datasets import make_regressionfrom sklearn.multioutput import RegressorChainfrom sklearn.svm import LinearSVR# create datasetsX, y = make...
本发明涉及一种基于DBN‑SVR的海表面温度预测方法,包括以下步骤:⑴选取预测区域,获取海表面温度资料后截取相应区域的数据,经归一化处理得到处理后的数据;⑵处理后的数据作为输入层输入至DBN‑SVR模型中,并以平均绝对误差和均方根误差作为模型的评价指标;然后进行相空间重构;⑶在所选取的区域内随机选取五个格点的数...
基于DBN-SVR的热力站设备剩余寿命评估方法专利信息由爱企查专利频道提供,基于DBN-SVR的热力站设备剩余寿命评估方法说明:本发明属于智慧供热技术领域,具体涉及一种基于DBN‑SVR的热力站设备剩余寿命评估方法,其包括...专利查询请上爱企查
采用KPCA对原始数据进行特征提取和降维处理,再利用DBN构建基线模型。实验设置数据来源及实验设置描述 比较算法与线性回归(LR)、支持向量回归(SVR)和随机森林(RF)等算法进行比较。实验结果本文所提方法(KPCA+DBN)在RMSE、MAE和R^2等指标上均优于其他比较算法。评价指标采用均方根误差(RMSE)、平均绝对误差(MAE)和...