【神经网络学习笔记】非线性函数拟合
来源:互联网 发布:linux如何访问网页 编辑:程序博客网 时间:2024/05/05 05:58
matlab中自带神经网络工具箱,我们可以很方便的建立神经网络,主要用到3个函数
1.newff构建函数
newff函数的格式为:
net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF),函数newff建立一个可训练的前馈网络。输入参数说明:
PR:Rx2的矩阵以定义R个输入向量的最小值和最大值;
Si:第i层神经元个数;
TFi:第i层的传递函数,默认函数为tansig函数;
BTF:训练函数,默认函数为trainlm函数;
BLF:权值/阀值学习函数,默认函数为learngdm函数;
PF:性能函数,默认函数为mse函数
[net,tr] = train(net,P,T,Pi,Ai)
输入:net---神经网络
返回值:net--新的训练过的网络
3.sim测试函数
sim(model,timespan,options,ut);[t,x,y] = sim(model,timespan,options,ut);[t,x,y1, y2, ..., yn] = sim(model,timespan,options,ut);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 清空环境变量clcclear%% 训练数据预测数据提取及归一化%下载输入输出数据load data input output%从1到2000间随机排序k=rand(1,2000);[m,n]=sort(k);%找出训练数据和预测数据input_train=input(n(1:1900),:)';output_train=output(n(1:1900));input_test=input(n(1901:2000),:)';output_test=output(n(1901:2000));%选连样本输入输出数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%% BP网络训练% %初始化网络结构net=newff(inputn,outputn,5);net.trainParam.epochs=100;net.trainParam.lr=0.1;net.trainParam.goal=0.00004;%网络训练net=train(net,inputn,outputn);%% BP网络预测%预测数据归一化inputn_test=mapminmax('apply',input_test,inputps); %网络预测输出an=sim(net,inputn_test); %网络输出反归一化BPoutput=mapminmax('reverse',an,outputps);%% 结果分析figure(1)plot(BPoutput,':og')hold onplot(output_test,'-*');legend('预测输出','期望输出')title('BP网络预测输出','fontsize',12)ylabel('函数输出','fontsize',12)xlabel('样本','fontsize',12)%预测误差error=BPoutput-output_test;figure(2)plot(error,'-*')title('BP网络预测误差','fontsize',12)ylabel('误差','fontsize',12)xlabel('样本','fontsize',12)figure(3)plot((output_test-BPoutput)./BPoutput,'-*');title('神经网络预测误差百分比')errorsum=sum(abs(error));
1 0
- 【神经网络学习笔记】非线性函数拟合
- 【神经网络学习笔记】遗传算法优化BP神经网络-非线性函数拟合
- BP神经网络非线性函数拟合应用
- BP神经网络的非线性函数拟合
- 基于遗传算法优化的BP神经网络的 非线性函数拟合
- 基于Matlab的BP神经网络在非线性函数拟合中的应用
- 基于Matlab的多层BP神经网络在非线性函数拟合中的应用
- 基于Matlab的遗传算法优化BP神经网络在非线性函数拟合中的应用
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
- BP神经网络函数拟合
- BP神经网络拟合函数
- Hinton Neural Networks课程笔记quiz 3:带有隐层的非线性神经网络不一定能学习线性函数
- 一元非线性回归-多项式函数拟合
- 斯坦福大学深度学习公开课cs231n学习笔记(7)神经网络防止数据过拟合:损失函数和正则化
- 单隐层神经网络拟合任意函数
- DeepLearing学习笔记-改善深层神经网络(第三周- 将batch-norm拟合进神经网络)
- 数据拟合---使用自定义函数进行非线性拟合 -在Origin。matlab拟合工具箱cftool
- 数据拟合---使用自定义函数进行非线性拟合 -在Origin。matlab拟合工具箱cftool
- vim使用技巧
- Python学习5:__name__使用以及自定义模块
- 代理模式
- POJ 3669 Meteor Shower BFS
- poj1083 Moving Tables 线段树,成段更新
- 【神经网络学习笔记】非线性函数拟合
- mcafee迈克菲官网由于验证缺陷,导致暴力破解到企业授权号获取到所有企业用户的Grant number
- 用OpenGL shader 实现将YUV转RGB(直接调用GPU实现)
- eclipse 安装tomcat插件
- [leetcode] Symmetric Tree
- webkit之http请求
- 谈些自己对于编程的一些看法
- Spring JdbcTemplate实现通用的泛型dao四:通用自定义转换到JavaBean的RowMapper实现
- MySQL安装与配置(资料收集与遇到的问题)