[matlab]bp神经网络工具箱学习笔记
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[matlab]bp神经网络工具箱学习笔记相关的知识,希望对你有一定的参考价值。
基本就三个函数:
newff():创建一个bp神经网络
train():训练函数
sim():仿真函数
同时具有可视化界面,但目前不知道可视化界面如何进行仿真,且设置不太全
工具箱:Neural net fitting
textread使用方法:http://blog.sina.com.cn/s/blog_9e67285801010bju.html
ex1.
clear; clc; %注意P矩阵,matlab默认将一列作为一个输入 P=[0.5152 0.8173 1.0000 ; 0.8173 1.0000 0.7308; 1.0000 0.7308 0.1390; 0.7308 0.1390 0.1087; 0.1390 0.1087 0.3520; 0.1087 0.3520 0.0000;]‘; %以第四个月的销售量归一化处理后作为目标向量 T=[0.7308 0.1390 0.1087 0.3520 0.0000 0.3761]; %创建一个BP神经网络,每一个输入向量的取值范围为[0 ,1],隐含层有5个神经元,输出层有一个神经元,隐含层的激活函数为tansig,输出层的激活函数为%logsig,训练函数为梯度下降函数,即标准学习算法 net=newff([0 1;0 1;0 1],[5,1],{‘tansig‘,‘logsig‘},‘traingd‘);%minmax(P) net.trainParam.epochs=1500;%最大迭代次数. net.trainParam.goal=0.01; %训练的误差精度 %设置学习速率为0.1 LP.lr=0.1; net=train(net,P,T); a=[0.1;0.2;0.3]; a=premnmx(a); b=sim(net,a); b=postmnmx(b,0,1); b
ex2.
P=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1 3.2; 9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7; 3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.6 3.45; 2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15; 140 120 140 150 80 130 130 100 130 140 115 80 90 130; 2.8 3.4 3.5 2.8 1.5 3.2 3.5 1.8 3.5 2.5 2.8 2.2 2.7 4.6; 11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85; 50 70 50 80 50 60 65 40 65 50 50 50 70 70]; T=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.24 2.2 2.2 2.35]; [p1,minp,maxp,t1,mint,maxt]=premnmx(P,T); %创建网络 net=newff(minmax(P),[8,6,1],{‘tansig‘,‘tansig‘,‘purelin‘},‘trainlm‘);%此时的minmax函数是正确的,minmax是在每一行取最大最小值,而这也是有意义的 %设置训练次数 net.trainParam.epochs = 5000; %设置收敛误差 net.trainParam.goal=0.0000001; %训练网络 [net,tr]=train(net,p1,t1); %TRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010 %TRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010 %TRAINLM, Performance goal met. %输入数据 a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50]; %将输入数据归一化 a=premnmx(a); %放入到网络输出数据 b=sim(net,a); %将得到的数据反归一化得到预测数据 c=postmnmx(b,mint,maxt); c
ex3.
close all; clear; clc; %读取训练数据 [f1,f2,f3,f4,class] = textread(‘Train.txt‘,‘%f%f%f%f%d‘,75,‘delimiter‘,‘,‘); %特征值归一化 [input,minI,maxI] = premnmx( [f1,f2,f3,f4 ]‘) ; %构造输出矩阵 s=length(class) ; output=zeros(s,3) ; for i=1:s output(i,class(i)) = 1 ; end %output=class‘; %创建神经网络 net = newff( minmax(input),[10 3],{ ‘logsig‘,‘purelin‘ },‘traingdx‘ ); %设置训练参数 net.trainparam.show=50 ; net.trainparam.epochs=500 ; net.trainparam.goal=0.01 ; net.trainParam.lr=0.01 ; %开始训练 net=train(net,input,output‘) ; %读取测试数据 [t1 t2 t3 t4 c]=textread(‘Test.txt‘,‘%f%f%f%f%d‘,75,‘delimiter‘,‘,‘); %测试数据归一化 testInput=tramnmx([t1,t2,t3,t4]‘,minI,maxI); %仿真 Y = sim(net,testInput) %统计识别正确率 [s1,s2]=size( Y ) ; hitNum=0 ; for i=1:s2 [m,Index]=max( Y(:,i)); if(Index==c(i)) hitNum=hitNum+1; end end sprintf(‘识别率是 %3.3f%%‘,100*hitNum/s2)
拟合曲线:
以上是关于[matlab]bp神经网络工具箱学习笔记的主要内容,如果未能解决你的问题,请参考以下文章
请问在matlab中,如何用bp神经网络进行建模,节点的选取有啥规律吗?