- 1、本文档共3页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Matlab神经网络经典实例.doc
clear
clc
close all
warning off
%数据输入
huanghe_p=[370 503 434 575 490 420 560 640 558 343 326 405 446 423 422 697 598 377 435 472 451 667 601 689 541 485 425 389 382 707 422];
huanghe_t=[515 713 586 753 720 567 717 987 810 489 453 589 639 568 595 982 849 519 615 652 599 941 893 999 758 701 630 561 520 1040 535];
%归一化处理
p=(huanghe_p-min(huanghe_p))/(max(huanghe_p)-min(huanghe_p));
t=(huanghe_t-min(huanghe_t))/(max(huanghe_t)-min(huanghe_t));
%网络有关参数
EPOCHS=10000;
GOAL=0.000005;
LR=0.01;
MAX_FAIL=100;
%建立bp神经网络,并训练,仿真。其中输入为p,输出为t
%-------------------------隐层神经元确定-----------------------------
s=3:15;%s 为常向量,表示神经元的个数
res=zeros(size(s));%res将要存储误差向量,这里先置零
pn=[p(1:5);p(6:10);p(11:15);p(16:20)];
tn=[t(1:5);t(6:10);t(11:15);t(16:20)];
for i=1:length(s)
%7.0版本使用下面代码
%输出层的神经元个数必须等于tn的行数
%每层的传递函数可以自己指定
%创建了2层网路,隐层s(i)(任意);输出层4(由tn决定不可改,但需输入)
%net=newff(minmax(pn),[s(i),4],{tansig,purelin},trainlm);
%
%7.6版本使用下面的代码
%输出层神经元由tn决定,不需要输入,我们只需要确定输入层和隐层的神经元个数
%所有层的传递函数都可以自己定义
%创建3层网络,输入层8(任意);隐层s(i)(任意);输出层4(由tn决定,不可改,不需要输入)
%
%其实两个版本的区别在于7.6的bp网络创建函数直接给出了t,故最后一层不需要指定了,故相同的参数时,7.6的会多一层
%
net=newff(pn,tn,[4,s(i)],{tansig,tansig,purelin},trainlm);
net.iw{1,1}=zeros(size(net.iw{1,1}))+0.5;
net.lw{2,1}=zeros(size(net.lw{2,1}))+0.75;
net.b{1,1}=zeros(size(net.b{1,1}))+0.5;
net.b{2,1}=zeros(size(net.b{2,1}));
net.trainParam.epochs=EPOCHS;
net.trainParam.goal =GOAL;
net.trainParam.lr=LR;
net.trainParam.max_fail=MAX_FAIL;
net=train(net,pn,tn);
y=sim(net,pn);
e=tn-y;
error=mse(e,net);
res(i)=norm(error);
end
%选取最优神经元数,number为使得误差最小的隐层神经元个数
[ttmp2,ind]=min(res);
no=s(ind);
%选定隐层神经元数目后,建立网络,训练仿真。
%7.0版本
%net=newff(minmax(pn),[no,4],{tansig,purelin},trainlm);
%7.6版本
net=newff(pn,tn,[4,no],{tansig,tansig,purelin},trainlm);
net.iw{1,1}=zeros(size(net.iw{1,1}))+0.5;
net.lw{2,1}=zeros(size(net.lw{2,1}))+0.75;
net.b{1,1}=zeros(size(net.b{1,1}))+0.5;
net.b{2,1}=zeros(size(net.b{2,1}));
net.trainParam.epochs=EPOCHS;
net.trainParam.goal =GOAL;
net.trainParam.lr=LR;
net.trainParam.max_fail=MAX_FAIL;
net
文档评论(0)