matlab中的BP神经网络

Posted 2023-04-25

学习函数与训练函数在权值阈值上各干嘛的有何不同，有高手能给我讲解一下吗？困扰很久了，还是不清晰，多谢了！

参考技术A 从原理上来说，神经网络是可以预测未来的点的。
实际上，经过训练之后，神经网络就拟合了输入和输出数据之间的函数关系。只要训练的足够好，那么这个拟合的关系就会足够准确，从而能够预测在其他的输入情况下，会有什么样的输出。
如果要预测t=[6
7]两点的R值，先以t=[1
2
3
4
5]作为输入，R=[12
13
14
14
15]作为输出，训练网络。训练完成之后，用t=[2
3
4
5
6]作为输入，这样会得到一个输出。不出意外的话，输出的数组应该是[13
14
14
15
X],这里的X就是预测t=6时的R值。然后以t=[3
4
5
6
7]作为输入，同理得到t=7时候的R值。
根据我的神经网络预测，t=6时，R=15，t=7时，R=15。我不知道这个结果是否正确，因为神经网络通常需要大量的数据来训练，而这里给的数据似乎太少，可能不足以拟合出正确的函数。 参考技术B 每一层函数的映射关系看成是y=ax+b的话，a是权值，b是阈值，训练过程是通过不断调整a和b的值最终实现神经网络的预测功能的。本回答被提问者采纳

BP神经网络matlab源程序代码讲解

采用2个隐层，举个例子就最好了，谢谢

参考技术A newff 创建前向BP网络格式：
net = newff(PR,[S1 S2...SNl],TF1 TF2...TFNl,BTF,BLF,PF)

其中：PR —— R维输入元素的R×2阶最大最小值矩阵； Si —— 第i层神经元的个数，共N1层； TFi——第i层的转移函数，默认‘tansig’； BTF—— BP网络的训练函数，默认‘trainlm’; BLF—— BP权值/偏差学习函数，默认’learngdm’ PF ——性能函数，默认‘mse’；（误差）

e.g.
P = [0 1 2 3 4 5 6 7 8 9 10];T = [0 1 2 3 4 3 2 1 2 3 4];
net = newff([0 10],[5 1],'tansig' 'purelin');net.trainparam.show=50; %每次循环50次net.trainParam.epochs = 500; %最大循环500次
net.trainparam.goal=0.01; %期望目标误差最小值
net = train(net,P,T); %对网络进行反复训练
Y = sim(net,P)Figure % 打开另外一个图形窗口
plot(P,T,P,Y,'o')追问

出现这样的错误是怎么回事？

追答

Y = sim(net,P)Figure % 打开另外一个图形窗口
不i好意思，这句改成如下
Y = sim(net,P)
Figure % 打开另外一个图形窗口

追问

不好意思，还是有问题

可以留个QQ吗

追答

Figure改成小写：
figure
或者把这句去掉

追问

可以留个QQ吗

本回答被提问者采纳