模糊神经网络学习1【基础案例】

1. MATLAB模糊神经网络GUI 打开方式：

anfisedit

2. anfis命令训练：

% anfis调用5种格式fis=anfis(trainingData)
fis=anfis(trainingData,options)
[fis,trainError]=anfis(___)
[fis,trainError,stepSize] = anfis(___)
[fis,trainError,stepSize,chkFIS,chkError] = anfis(trainingData,options)

3. 基础案例

%% demo1 *** 自动生成默认初始FIS
load fuzex1trnData.dat     %单输入输出数据集fis = anfis(fuzex1trnData); % 自动生成输出FIS：默认grid partition方法，2个隶属度x = fuzex1trnData(:,1);
anfisOutput = evalfis(fis,x); %使用训练好的结构进行推理
plot(x,fuzex1trnData(:,2),'*r',x,anfisOutput,'.b')
legend('Training Data','ANFIS Output','Location','NorthWest')

%% demo2  *** anfisOptions指定：模糊隶属函数个数为4；迭代次数为40
opt = anfisOptions('InitialFIS',4,'EpochNumber',40);
opt.DisplayErrorValues = 0;
opt.DisplayStepSize = 0;fis = anfis(fuzex1trnData,opt); %-----2 通过anfisOptions指定anfisOutput = evalfis(fis,x);
figure
plot(x,fuzex1trnData(:,2),'*r',x,anfisOutput,'.b')
legend('Training Data','ANFIS Output','Location','NorthWest')

%% demo3  *** genfis创建初始FIS
x = (0:0.1:10)';
y = sin(2*x)./exp(x/5);%定义初始ANFIS结构
genOpt = genfisOptions('GridPartition'); % GridPartition
genOpt.NumMembershipFunctions = 5;%隶属函数个数为5
genOpt.InputMembershipFunctionType = 'gaussmf';%使用高斯隶属函数
inFIS = genfis(x,y,genOpt);%配置选项
opt = anfisOptions('InitialFIS',inFIS);
opt.DisplayANFISInformation = 0;%是（1）否（0）显示ANFIS训练信息
opt.DisplayErrorValues = 0;%是（1）否（0）显示ANFIS目标训练误差
opt.DisplayStepSize = 0;%是（1）否（0）显示训练步长
opt.DisplayFinalResults = 0;%是（1）否（0）显示训练结果
opt.ValidationData = chkData;%chkData 验证数据集
%按照设置的选项训练ANFIS
outFIS = anfis([x y],opt);%图形化显示
plot(x,y,x,evalfis(outFIS,x))
legend('Training Data','ANFIS Output')

%% demo4  *** 进行数据验证防止过度拟合
load fuzex1trnData.dat %导入训练数据
load fuzex1chkData.dat %导入验证数据% 设定训练结构 4 membership functions；30 training epochs
opt = anfisOptions('InitialFIS',4,'EpochNumber',30);
opt.DisplayANFISInformation = 0;
opt.DisplayErrorValues = 0;
opt.DisplayStepSize = 0;
opt.DisplayFinalResults = 0;
% 设置验证数据集 fuzex1chkData;
opt.ValidationData = fuzex1chkData;[fis,trainError,stepSize,chkFIS,chkError] = anfis(fuzex1trnData,opt);
%每个训练迭代步记录的 训练误差trainError, 验证误差 绘图
x = [1:30]; % 迭代次序
plot(x,trainError,'.b',x,chkError,'*r')

在迭代次数为17时，验证误差（红）最小，chkFIS为17时的参数，17后为过度拟合，

参考：https://ww2.mathworks.cn/help/fuzzy/anfisoptions.html#namevaluepairs

模糊神经网络学习1【基础案例】相关推荐

Amesim学习——热传导基础案例：导热铝棒
问题模型描述基于AMESIM Demo:Linear conduction in an aluminum bar 进行学习:一个铝棒,铝棒周围绝热,沿铝棒方向上可以导热.如果加热其中一边,另一头温度 ...
Amesim学习——热传导基础案例：金和铝的导热性比较
学习自Amesim官方Demo:Comparison of the conduction within gold or aluminum 问题模型描述同一个热源,同时加热金和铝,两个物体的温度上升速 ...
[翻译] 神经网络与深度学习第三章提升神经网络学习的效果 - Chapter 3 Improving the way neural networks learn
目录: 首页译序关于本书关于习题和难题第一章利用神经网络识别手写数字第二章反向传播算法是如何工作的 > 第三章提升神经网络学习的效果第四章可视化地证明神经网络可以计算任何函数 ...
《MATLAB 神经网络43个案例分析》：第33章模糊神经网络的预测算法——嘉陵江水质评价
<MATLAB 神经网络43个案例分析>:第33章模糊神经网络的预测算法--嘉陵江水质评价 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB 神经网 ...
TF学习：Tensorflow基础案例、经典案例集合——基于python编程代码的实现
TF学习:Tensorflow基础案例.经典案例集合--基于python编程代码的实现目录 Tensorflow的使用入门 1.TF:使用Tensorflow输出一句话 2.TF实现加法 3.TF实 ...
《吴恩达深度学习》学习笔记002_神经网络的编程基础(Basics of Neural Network programming)
http://www.ai-start.com/dl2017/html/lesson1-week2.html 神经网络的编程基础(Basics of Neural Network programmin ...
强化学习从基础到进阶-案例与实践[3]：表格型方法：Sarsa、Qlearning；蒙特卡洛策略、时序差分等以及Qlearning项目实战
[强化学习原理+项目专栏]必看系列:单智能体.多智能体算法原理+项目实战.相关技巧(调参.画图等.趣味项目实现.学术应用项目实现专栏详细介绍:[强化学习原理+项目专栏]必看系列:单智能体.多智能体算 ...
深度学习笔记第一门课第二周：神经网络的编程基础（上）
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
花书+吴恩达深度学习（十四）卷积神经网络 CNN 之经典案例（LetNet-5, AlexNet, VGG-16, ResNet, Inception Network）
目录 0. 前言 1. LeNet-5 2. AlexNet 3. VGG-16 4. ResNet 残差网络 5. Inception Network 如果这篇文章对你有一点小小的帮助,请给个关注, ...

模糊神经网络学习1【基础案例】

模糊神经网络学习1【基础案例】相关推荐

最新文章

热门文章