一、引言

神经网络的实现在Matlab上已经来说相对比较完善了。被封装成了很多工具箱，可以直接的快速上手，去实现一个Demo。正是因为太完善，实现和使用神经网络的方式有很多种。一一介绍都是怎么使用的。

二、神经网络的实现和使用方式

（一) DeepLearningToolbox

安装
这个是安装Matlab的时候默认安装的工具箱。如果没有，在附加资源管理器中搜索，点击安装就行。
封装好的神经网络工具箱函数
在此工具箱里有许许多多的封装好的神经网络。可以直接调用函数就可以使用。比如：

newlin 线性神经网络
newgrnn 广义回归神经网络 GPNN
newpnn 概率神经网络 PNN
newff BP神经网络
RBF神经网络通用函数 newrb, newrbe
newc 竞争神经网络
nowsom SOM神经网络

BP神经网络举例使用

%% I. 清空环境变量
clear all
clc%% II. 训练集/测试集产生
%%
% 1. 导入数据
load spectra_data.mat%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR,1));      %打乱60个样本排序
% 训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
% 测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);%% III. 数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);[t_train, ps_output] = mapminmax(T_train,0,1);              %% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff(p_train,t_train,9);    %9是隐含层神经元的个数（大家改改测试下结果影响），连接权值是3628，讲一下怎么计算得到的%%
% 2. 设置训练参数
net.trainParam.epochs = 1000;   %迭代次数
net.trainParam.goal = 1e-3;      %mse均方根误差小于这个值训练结束
net.trainParam.lr = 0.01;         %学习率%%
% 3. 训练网络
net = train(net,p_train,t_train);%%
% 4. 仿真测试
t_sim = sim(net,p_test);         %返回10个样本的预测值%%
% 5. 数据反归一化
T_sim = mapminmax('reverse',t_sim,ps_output);   %反归一化结果%% V. 性能评价
%%
% 1. 相对误差error
error = abs(T_sim - T_test)./T_test;%%
% 2. 决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2)); %%
% 3. 结果对比
result = [T_test' T_sim' error']     %输出真实值，预测值，误差
%% VI. 绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
legend('真实值','预测值')
xlabel('预测样本')
ylabel('辛烷值')
string = {'测试集辛烷值含量预测结果对比';['R^2=' num2str(R2)]};
title(string)

BP神经网络Demo下载密码: h4iv

（二）Deep Network Designer APP

第二种是使用过 APP去设计神经网络

打开APP
设计神经网络
可以用现成的网络，比如googlenet、alexnet等等，自行去百度查一下，在command window区域输入googlenet,然后打开APP就可以导入网络，下图就是导入的googlenet。也可以自己设计神经网络结构，拖动左边的图标各个结构到工作区，然后用鼠标点击连接起来。可以导出到工作空间或者生成相应的代码。

随便搭建一个网络，生成的神经网络代码如下

layers = [ ...imageInputLayer([28 28 1])convolution2dLayer(5,20)reluLayermaxPooling2dLayer(2,'Stride',2)fullyConnectedLayer(10)softmaxLayerclassificationLayer];

神经网络使用举例
完整的使用一个神经网络可以在command window区域直接输入以下命令，就可以在自己的平台跑一个Demo。详细讲解可参考官网的
TrainNetwork使用讲解以及使用案例

openExample('nnet/ConstructAndTrainAConvolutionalNeuralNetworkExample')

（三）Neural Net APP

打开APP
第一种方式:在APP处搜neural net就会显示出来，有多种选择，每个有什么区别，参考我另一篇博客Matlab神经网络的几个工具箱nntool、nftool、nctool、ntstool与nprtool的区别与使用

第二种方式：在command window输入nntool、nctool、nfttool、ntstool、nprtool。就可以打开。以nntool为例。
Neural Net APP的使用

这个APP是完全封装死了的，只需要训练集测试机就可以出数据。具体使用可以参考

B站演示nftool工具箱的使用
B 站演示nntool工具箱的使用

Matlab实现和使用神经网络的几种方式详细讲解--附代码可下载相关推荐

循环神经网络RNN 2—— attention注意力机制（附代码）
attention方法是一种注意力机制,很明显,是为了模仿人的观察和思维方式,将注意力集中到关键信息上,虽然还没有像人一样,完全忽略到不重要的信息,但是其效果毋庸置疑,本篇我们来总结注意力机制的不同方 ...
深度学习实战——利用卷积神经网络对手写数字二值图像分类（附代码）
系列文章目录深度学习实战--利用卷积神经网络对手写数字二值图像分类(附代码) 目录系列文章目录前言一.案例需求二.MATLAB算法实现三.MATLAB源代码参考文献前言本案例利用MA ...
python的命名空间_python中命名空间的三种方式介绍（附示例）
本篇文章给大家带来的内容是关于python中命名空间的三种方式介绍(附示例),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. python中的命名空间分三种: 内置的命名空间,在启动解 ...
两种方式设置SVN提交代码时必须填写日志
两种方式设置SVN提交代码时必须填写日志咱们在使用SVN的时候,团队中难免有同事提交代码时忘记填写日志而直接提交,这样会导致后期维护极不方便,这并不是我们想看到的.于是下面给出两种方式来解决这个问题 ...
【Matlab系列】MATLAB中显示输出数据的四种方式
DATE: 2019-11-13 1.参考 MATLAB 显示输出数据的三种方式 Matlab之print,fprint,fscanf,disp函数 2.改变数据格式当数据重复再命令行窗口时,整数以 ...
matlab直接读取Kinect V2的两种方式（实现骨骼识别、kinect studio对接）
目前matlab直接读取kinect有两种方法,在此放一下: 1.第一种是matlab官方的一个包, https://docs.microsoft.com/en-us/previous-version ...
matlab热量传递,热量传递的三种方式
原标题:热量传递的三种方式热量传递是一种普遍存在的现象.两个物体间或同一物体的不同部位,只要相互之间存在温度差,且两者之间没有隔热层,那么热量就会从温度较高的物体或部位传递到温度较低的物体或部位中, ...
基于BP神经网络实现气凝胶加气混凝土抗压强度预测（附代码）
目录前言 1. 背景 1.1 什么是加气混凝土 1.2 传统AAC抗压强度测试方法 1.3 为什么选择BP神经网络 2. MATLAB算法实现 2.1 训练集数据编辑 2.2 数据导入与整理 2.3 ...
小姐姐带你一起学：如何用Python实现7种机器学习算法（附代码）
编译 | 林椿眄出品 | AI科技大本营(公众号ID:rgznai100) [AI科技大本营导读]Python 被称为是最接近 AI 的语言.最近一位名叫Anna-Lena Popkes的小姐姐在G ...
《数字语音处理》- 实验4. 基于MATLAB与VQ的特定人孤立词语音识别研究（附代码）
声明本文仅在CSDN发布,未经允许请勿转载或引用! 正版链接: https://blog.csdn.net/meenr/article/details/117629850 MATLAB基于VQ的特定 ...

Matlab实现和使用神经网络的几种方式详细讲解--附代码可下载

目录

一、引言

二、神经网络的实现和使用方式

（一) DeepLearningToolbox

（二）Deep Network Designer APP

（三）Neural Net APP

Matlab实现和使用神经网络的几种方式详细讲解--附代码可下载相关推荐

最新文章

热门文章