-
的神经网络构建加热负荷预测模型，并提供了计算图像均方误差的Matlab代码
资源介绍
图像的均方误差的matlab代码具有贝叶斯优化超参数的全连接前馈神经网络，可预测建筑物的热负荷
该项目训练了一个全连接的前馈神经网络，以在给定八种不同输入特征的情况下估算建筑物的热负荷。
使用贝叶斯优化对神经网络的超参数进行优化。
资料夹和档案
此仓库包含以下文件夹和文件：
资料夹：
：原始数据和描述
ENB2012_data.csv-原始数据
ENB202_data.xlsx-Excel格式的原始数据
README.txt-数据描述
：自述文件中使用的图像
：贝叶斯优化和训练模型的结果
Best_NN_Parameters.csv-贝叶斯优化的优化超参数
NN_model.mat-训练后的神经网络的MATLAB文件
NN_training_progress.csv-最佳模型的训练历史。
档案：
-超参数的贝叶斯优化和神经网络的训练
-数据探索
-最初的神经网络构建工作。
它是在Hyperparameter优化脚本之前创建的，用于测试开发。
数据集
该项目的数据来自标题为的UCI机器学习存储库。
它由Angeliki
Xifara创建的768个数据样本组成，用于希腊雅典具有不同建筑特征