matlab 神经网络设计多层隐含层_MATLAB计算多层隐含层BP神经网络
9层隐含层BP神经网络MATLAB程序(旅游环境容量的预测,由过去数据预测未来年份环境容量),在下面T=[?](T,输出量,)中,因该怎样选择T内的值?P(输入量,)因该如何选取?运行结果见程序下面。
close all
clear
echo on
pause
clc
P=[489578 459620 337362 441262 462313;459620 337362 441262 462313 504276;337362 441262 462313 504276 507243;441262 462313 504276 507243 591853;462313 504276 507243 591853 707148;504276 507243 591853 707148 819438 ;507243 591853 707148 819438 1056266;591853 707148 819438 1056266 861163;707148 819438 1056266 861163 1234063;819438 1056266 861163 1234063 1513585;1056266 861163 1234063 1513585 1820171;861163 1234063 1513585 1820171 2085997;1234063 1513585 1820171 2085997 2213329;1513585 1820171 2085997 2213329 2304045;1820171 2085997 2213329 2304045 2757147;2085997 2213329 2304045 2757147 3063140];
T=[?];
pause;
clc
net=newff(minmax(P),[9,1],{'tansig','purelin'},'traingdm')
inputWeights=net.IW{1,1}
inputbias=net.b{1}
layerWeights=net.LW{2,1}
layerbias=net.b{2}
pause
clc
net.trainParam.show=50;
net.trainParam.lr=0.01;
net.trainParam.mc=0.9;
net.trainParam.epochs=30000;
net.trainParam.goal=1e-3;
pause
clc
[net,tr]=train(net,P,T);
pause
clc
A=sim(net,P)
E=T-A
MSE=mse(E)
pause
clc
x=[1;2;3;4;5;6;7;8;9;10;11;12;13;14;15;16];
figure;
plot(x,T,'*r',x,A,'ob')
%axis([0 5 -1.5 1.5]);
clc
echo off
运行结果:请问是哪里错了?
net=newff(minmax(P),[9,1],{'tansig','purelin'},'traingdm')
net =
Neural Network object:
architecture:
numInputs: 1
numLayers: 2
biasConnect: [1; 1]
inputConnect: [1; 0]
layerConnect: [0 0; 1 0]
outputConnect: [0 1]
targetConnect: [0 1]
numOutputs: 1 (read-only)
numTargets: 1 (read-only)
numInputDelays: 0 (read-only)
numLayerDelays: 0 (read-only)
subobject structures:
inputs: {1x1 cell} of inputs
layers: {2x1 cell} of layers
outputs: {1x2 cell} containing 1 output
targets: {1x2 cell} containing 1 target
biases: {2x1 cell} containing 2 biases
inputWeights: {2x1 cell} containing 1 input weight
layerWeights: {2x2 cell} containing 1 layer weight
functions:
adaptFcn: 'trains'
initFcn: 'initlay'
performFcn: 'mse'
trainFcn: 'traingdm'
parameters:
adaptParam: .passes
initParam: (none)
performParam: (none)
trainParam: .epochs, .goal, .lr, .max_fail,
.mc, .min_grad, .show, .time
weight and bias values:
IW: {2x1 cell} containing 1 input weight matrix
LW: {2x2 cell} containing 1 layer weight matrix
b: {2x1 cell} containing 2 bias vectors
other:
userdata: (user stuff)
inputWeights=net.IW{1,1}
inputWeights =
1.0e-004 *
Columns 1 through 9
0.0180 0.0201 -0.0328 -0.0628 -0.0083 -0.0379 -0.0010 -0.0228 -0.0145
0.0112 0.0831 -0.0279 0.0937 -0.0184 0.0073 -0.0088 0.0186 0.0065
-0.0689 0.0220 -0.0665 0.0025 0.0432 -0.0105 0.0125 -0.0277 0.0222
0.0296 0.0588 0.0087 0.1013 0.0229 0.0306 -0.0074 0.0073 -0.0150
-0.0093 -0.0096 0.0491 -0.0624 0.0467 0.0232 0.0181 0.0244 0.0007
-0.0699 0.0708 -0.0513 -0.0736 -0.0338 -0.0091 -0.0142 -0.0054 0.0064
-0.0276 -0.0810 -0.0647 -0.0266 0.0340 -0.0263 -0.0080 0.0167 -0.0063
-0.0499 0.0050 -0.0770 -0.0175 -0.0156 -0.0151 0.0230 0.0120 -0.0008
0.0780 0.0076 0.0533 -0.0183 -0.0052 0.0415 0.0008 0.0288 0.0133
Columns 10 through 16
-0.0139 -0.0036 0.0081 -0.0121 -0.0027 0.0086 0.0131
-0.0241 -0.0066 0.0060 -0.0008 -0.0096 -0.0049 -0.0052
-0.0048 0.0074 0.0054 -0.0108 -0.0069 -0.0054 0.0061
0.0092 -0.0070 0.0128 0.0050 0.0106 -0.0045 0.0050
0.0156 -0.0083 -0.0020 0.0114 -0.0126 0.0055 0.0046
-0.0008 0.0049 -0.0074 -0.0011 -0.0131 -0.0087 -0.0124
-0.0179 -0.0082 0.0061 0.0013 0.0094 0.0112 0.0053
-0.0007 -0.0013 0.0099 -0.0134 0.0101 -0.0011 0.0138
0.0179 0.0100 -0.0075 -0.0002 0.0056 0.0066 0.0032
inputbias=net.b{1}
inputbias =
5.9734
-2.4617
4.3166
-16.7995
-8.2167
17.3879
3.8298
-0.1247
-15.1185
layerWeights=net.LW{2,1}
layerWeights =
0.5659 -0.9937 0.5939 0.2836 -0.6430 0.0588 -0.5625 0.0961 -0.8835
layerbias=net.b{2}
layerbias =
0.1752
pause
matlab 神经网络设计多层隐含层_MATLAB计算多层隐含层BP神经网络相关推荐
- MAT之GA:GA优化BP神经网络的初始权值、阈值,从而增强BP神经网络的鲁棒性
MAT之GA:GA优化BP神经网络的初始权值.阈值,从而增强BP神经网络的鲁棒性 目录 输出结果 实现代码 输出结果 实现代码 global p global t global R global S1 ...
- 【智能控制实验】基于MATLAB的BP神经网络设计
实验五:基于MATLAB的BP神经网络设计 一.实验要求: 重点是掌握BP神经网络的学习算法原理和代码设计方法,应用MATLAB编写BP神经网络训练方法:应用神经网络工具箱设计BP神经网络实现对输入输 ...
- 【智能控制实验】基于MATLAB的BP神经网络实现非线性函数拟合设计
基于MATLAB的BP神经网络实现非线性函数拟合设计 一.实验要求: 重点是掌握BP神经网络的学习算法原理,掌握matlab工具箱设计BP神经网络拟合非线性模型的方法(m文件):掌握在图形用户界面下设 ...
- BP神经网络隐藏层的作用,bp神经网络输出层函数
matlab bp神经网络只能输入一组预测一组吗 可以用前面很多数据建立网络后预测下几组数据吗 当然可以,这就是输入模式和输出模式的制定,可以自由设置,多输入多输出.但要注意如果预测多组,输入必须要提 ...
- 【车牌识别】基于matlab GUI BP神经网络车牌识别(带面板+语音播报)【含Matlab源码 1220期】
⛄一.BP车牌识别简介(附课程作业报告) 车牌识别系统设计与实现 车牌识别系统主要分为三部分:车牌图像预处理.特征提取以及基于BP神经网络对特征进行训练和分类,流程图如图1所示. 图1 车牌识别系统组 ...
- 基于BP神经网络车牌识别系统的设计与实现
1.1 题目的主要研究内容 (1)工作的主要描述 使用MATLAB将采集到的图像信息读入,采用一系列的方法对图像信息进行预处理:再分析不同像素点分布与边缘的相应变化范围,从而确定牌照的大致位置,由此分 ...
- 【车牌识别】基于matlab GUI BP神经网络车牌识别(带面板)【含Matlab源码 790期】
⛄一.BP车牌识别简介(附课程作业报告) 车牌识别系统设计与实现 车牌识别系统主要分为三部分:车牌图像预处理.特征提取以及基于BP神经网络对特征进行训练和分类,流程图如图1所示. 图1 车牌识别系统组 ...
- 基于bp神经网络的pid算法,神经网络pid控制器设计
基于BP神经网络的PID控制器设计 参考一下刘金琨的<先进PID控制>这本书. 例子:被控对象yout(k)=a(k)yout(k-1)/(1+yout(k-1)^2)+u(k_1)其中a ...
- 基于matlab国内外水果自动分级方面,水果自动识别的BP神经网络方法
摘 要:针对多种水果混合的图像,对各种水果的提取和识别进行研究.利用Matlab软件进行图像数据获取.对比度增强.去噪.二值化处理:为弥补二值化后图像中出现的断边.孔洞,借助Sobel算子进行边缘提 ...
- 汽轮机振动的日平均峰峰值的BP神经网络预测matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 BP神经网络是一种具有一个输入层,一个或多个隐含层和一个输出层的多层网络.隐含层和输出层上的每个神经 ...
最新文章
- oracle迁移mysql视图中函数问题,mysql中to_char自定义函数。
- JavaScript 技术篇-js获取document的几种方式,js获取dom元素的常用方法。
- python集合类型的操作符_Python 语言学习 第一篇:数据类型(数字,集合,布尔类型,操作符)...
- register_globals(全局变量注册开关)
- java产生字符函数_java生成字符串md5函数类(javaSE)
- 4乘4方格走的路线_国庆自驾游,4条成都出发沿途美景大汇合自驾游路线推荐
- 服务器中文档存储在哪,云服务器存储在哪
- 1087 有多少不同的值 (20 分)—PAT (Basic Level) Practice (中文)
- 【C++】常用集合算法
- 解决灵格斯强制更新问题
- 年全国高校计算机能力挑战赛,初赛公示_2020年全国高校计算机能力挑战赛
- Steve Jobs Said
- 区块链三种网络地址btc\eth\fil
- Android 白天黑夜模式切换适配及引起的Activity销毁重启解决
- chrome浏览器怎么模拟手机访问网页(已測OK)
- Excel -- 数据透视表
- android 模拟器使用intel硬件加速
- 校招vivo技术面试总结
- Text to image论文精读PDF-GAN:文本生成图像新度量指标SSD Semantic Similarity Distance
- 需求调研计划_三个公式,让你的2021年度培训计划更出彩