Matlab-bp神经网络
一、工作流程
1、加载数据,产生训练集与测试集(验证集)
首先加载样本,其中样本的输入叫做:特征(变量),其输出值叫做:理想值,将样本分为训练样本(学习所用)和测试样本(效果测试仿真所用)
需要注意的是样本矩阵的列代表的是样本的个数,行代表每个样本的数据
代码如下:
load spectra_data.mat
%% 随机产生训练集测试集序列
temp = randperm(size(attributes,2));
%产生训练集样本
P_train = attributes(:,temp(1:80));%选取前80个作为训练集样本
T_train = strength(:,temp(1:80));
%产生测试集样本
P_test = attributes(:,temp(81:end));%将80之后的样本作为测试集样本
T_test = strength(:,temp(81:end));
%保存测试集的样本个数
N = size(P_test,2);
2、数据归一化处理
由于输入数据的单位不一样,所以有些数据的范围可能比较大,导致的结果可能是神经网络收敛慢、训练时间长
代码如下:
%% 数据归一化处理
%训练集归一化
[p_train,ps_input] = mapminmax(P_train,0,1);
[t_train,ps_output] = mapminmax(T_train,0,1);
%测试集输入数据归一化
p_test = mapminmax('apply',P_test,ps_input); %将训练集的归一化的“标准”应用在测试集的归一化上
3、神经网络的创建、神经网络的参数调整、神经网络的训练、神经网络的仿真、仿真结果的反归一化
代码如下:
%% BP神经网络创建、训练及仿真测试
%创建网络
net = newff(p_train,t_train,9);%创建一个具有9个神经元的bp神经网络
%设置训练参数
net.trainParam.epochs = 1000;%最多循环次数为1000次
net.trainParam.goal = 1e-3;%目标误差小于。。。
net.trainParam.lr = 0.01;%学习率设定为0.01
%训练网络
net = train(net,p_train,t_train);
%仿真测试
t_sim = sim(net,p_test);
%数据反归一化
T_sim = mapminmax('reverse',t_sim,ps_output);
4、神经网络的性能评价(相对误差计算、决定系数计算)
代码如下:
%% 性能评价
%相对误差
error = abs(T_sim - T_test)./T_test;
%决定系数
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));
5、结果对比、绘图处理
代码如下:
%% 结果对比
result = [T_test' T_sim' error']
%% 绘图
figure
plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
legend('标签','标签')
xlabel('标签')
ylabel('标签')
string = {'标题'};
title(string)
转载于:https://www.cnblogs.com/KZLEARNER/p/8641051.html
Matlab-bp神经网络相关推荐
- 【电力负荷预测】基于matlab BP神经网络电力负荷预测【含Matlab源码 278期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源: [电力负荷预测]基于matlab BP神经网络电力负荷预测[含Matlab源码 278期] 获取代码方式2: 付费专栏Matlab智能算 ...
- 【故障诊断分析】基于matlab BP神经网络三相逆变器故障诊断研究【含Matlab源码 1736期】
一.BP神经网络三相逆变器故障诊断简介 针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿 真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以 ...
- 【停车位预测】基于matlab BP神经网络停车位预测【含Matlab源码 765期】
⛄一.获取代码方式 获取代码方式1: 完整代码已上传我的资源:[停车位预测]基于matlab BP神经网络停车位预测[含Matlab源码 765期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方 ...
- Matlab BP神经网络拟合四足机器人足端轨迹线积分方程反函数用于足端轨迹规划
Matlab BP神经网络拟合四足机器人足端轨迹线积分方程用于足端轨迹规划 问题描述 一般情况下,在对四足机器人足端轨迹进行规划时分别对足端路径和轨迹加速度进行规划,然后将规划好的加速度进行两次积分得 ...
- (三)【数学建模】Matlab BP神经网络
[数学建模] 文章目录 Matlab BP神经网络 Matlab BP神经网络 归一化算法: (0,1): y=(x−min)/(max−min)y=(x-min)/(max-min)y=(x−min ...
- matlab 预测值一样,matlab BP神经网络建造如下,预测时,预测值反归一化报错,求大神指教!!!!!...
data=xlsread('Book1.xlsx','sheet1');%读取表格中的数据 input=data(:,1:3);%将前三列作为输入 output=data(:,4:6);%后三列作为输 ...
- 基于MATLAB BP神经网络的水果识别
一.课题实现的功能 1 原理分析 由于数字图像是唯一的特征标识符号,在经营管理中具有不可替代的作用,因此数字图像识别系统应具有很高的识别正确率,对环境光照条件.拍摄位置等因素的影响应有较大的容阈,并且 ...
- matlab BP神经网络 newff函数官方源码
最近在学习BP神经网络,想要自定义神经网络内部,但是网上找了很久都没有找到源代码,于是自己去搬运了一波matlab官方的源代码. 不多说,直接上代码,未编辑过的源码: function out1 = ...
- 基于matlab BP神经网络的手写数字识别
摘要 本文实现了基于MATLAB关于神经网络的手写数字识别算法的设计过程,采用神经网络中反向传播神经网络(即BP神经网络)对手写数字的识别,由MATLAB对图片进行读入.灰度化以及二值化等处理,通过神 ...
- matlab bp神经网络的诊断,基于-BP神经网络的故障诊断方法.doc
<智能控制基础> 研究生课程设计报告 题 目 基于BP神经网络的故障诊断方法 学 院 机械与汽车工程学院 专业班级 车辆工程 学 号 221601852020 学生姓名 李跃轩 指导教师 ...
最新文章
- ajax提交不能进入后台_Ajax跨域问题
- Java 中如何使用 SQL 查询文本
- c语言:找出1到4000中,数字的各位数之和能被4整除的数有多少个?
- 摇滚吧HTML5!Jsonic超声波前端交互!
- Vector Field Histogram(VFH+ algorithm(向量直方图避障))
- 基于Arduino开发的智能蓝牙小车
- RocketMQ源码解析-Producer启动
- 海量视频资源【网盘直接取】
- Wireshark软件使用教程
- 批发网商品采集API接口
- Win10安装pdf虚拟打印机的方法
- 2020年5月全国县以上行政区划代码、城市经纬度查询、国内地区经度纬度查询工具
- 近两年最流行的面试题
- Microbiome | 东北农大石宝明/孟庆维等揭示宿主-微生物互作介导猪肠炎免疫
- loj 6184 无心行挽 虚树+DP+倍增
- javascript Xpath学习笔记-----document.evaluat();
- 模型的偏差与方差的理解
- 颜色的前世今生12·RGB显色系统详解(中)
- Qt图形视图框架详解-安晓辉-专题视频课程
- Digital Pre-Distortion (数字预失真)以及用途
热门文章
- 2022-2028年中国椎间孔镜行业市场研究及前瞻分析报告
- python2 安装faiss-gpu 报错 faiss/faiss/python/swigfaiss.i:241: Error: Unable to find ‘faiss/impl/platfo
- GCC 链接 xxx:No such file or directory 及运行可执行文件 error while loading shared libraries: xxx.so 解决方案
- 前端Vue学习之路(四)axios请求数据
- pytorch中调整学习率的lr_scheduler机制
- pytorch lstm crf 代码理解 重点
- tf.cast()数据类型转换
- LeetCode简单题之找出数组排序后的目标下标
- LeetCode简单题之两数之和 IV - 输入 BST
- Node.js 简单入门