构造bp神经网络及matlab代码问题
发布网友
发布时间：2022-04-22 06:27
共2个回答
热心网友
时间：2024-02-02 12:09
你这是多输入单输出问题，隐层神经元数量用试凑法。样本数量不需要那么多，一百条差不多了。附件是一个预测案例代码供参考。
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。
追问我感觉这种预测规律还是好找的 所以是不是传递函数 训练函数用默认的就行， 还是也得一个一个试看看哪个好呀？ 我这类预测是不是简单的说就是“通过样本数据的运算找出 一个模型函数，函数的pm2.5 pm10 co so2 no2 五个相当于自变量， 而aqi指数相当于因变量。 如果用这个模型对未来aqi指数预测的话 ，必须得知道要预测的那天的pm2.5 pm10 等五个才行吧？”追答是的，正是这个意思。学习函数建议你用默认，训练函数用trainlm或traingdm。这个不用试，需要试凑的是隐层神经元节点数。
热心网友
时间：2024-02-02 12:09
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')
