Question

自己用matlab实现的BP神经网络算法，无法得到预期的效果，主要是误差太大

是不是源代码有问题，麻烦大家看看！

lr=0.05; %lr为学习速率；
err_goal=0.1; %err_goal为期望误差最小值
max_epoch=15000; %max_epoch为训练的最大次数；
a=0.9; %a为惯性系数
Oi=0;
Ok=0; %置隐含层和输出层各神经元输出初值为0
%提供两组训练集和目标值（3输入神经元，2输出）
%X=[1 1;-1 -1;1 1];
%T=[1 1;1 1];
load house_dataset;
x=houseInputs;
t=houseTargets;
%数据的归一化
maxRowx=max(x,[],2);
maxRowt=max(t,[],2);
minRowx=min(x,[],2);
minRowt=min(t,[],2);
% y = ( x - min )/( max - min )
for i=1:size(x,2)
x(:,i)=(x(:,i)-minRowx)./(maxRowx-minRowx);
t(:,i)=(t(:,i)-minRowt)./(maxRowt-minRowt);
end
%初始化wki，wij（M为输入节点j的数量；q为隐含层节点i的数量；L为输出节点k的数量）
[M,N]=size(x);
q=8;
[L,N]=size(t); %N为训练集对数量
wij=rand(q,M);
wki=rand(L,q);%随机值在-0.05到0.05之间
wij0=zeros(size(wij));
wki0=zeros(size(wki));

for epoch=1:max_epoch
for n=1:N %for every example

neti=wij*x(:,n);%q*1 每个隐藏层的输出
oi=1./(1+exp(-neti));
netk=wki*oi;%L*1 每个输出层的输出
ok=1./(1+exp(-netk));
deltak=ok.*(1-ok).*(t(:,n)-ok);%输出层的误差项
deltai=oi.*(1-oi).*(wki'*deltak);%隐藏层de误差项

%更新对应的权值
deltawij=lr*deltai*(x(:,n)');
deltawki=lr*deltak*(ok');
wij=wij+deltawij;
wki=wki+deltawki;
%计算误差函数
E=0.0;
for i=1:N %N为训练的总数
neti=wij*x(:,i);%q*1 每个隐藏层的输出
oi=1./(1+exp(-neti));
netk=wki*oi;%L*1 每个输出层的输出
ok=1./(1+exp(-netk));
E=E+(ok-t)*(ok-t)';
end

E=E/2;
fprintf('the error is %f, the iteration is %d\n',E,epoch);

end
if E<err_goal
break;
end
end

Answer 1

lr=0.05; %lr为学习速率；
err_goal=0.1; %err_goal为期望误差最小值
max_epoch=15000; %max_epoch为训练的最大次数；
a=0.9; %a为惯性系数
Oi=0;
Ok=0; %置隐含层和输出层各神经元输出初值为0
这些初始参数是谁提供给你?

调整一下这些参数看看.

追问

这些参数是在网上看到的，说是默认的参数

追答

那多半与这些参数有关了

Answer 2

检查输出结果 另外把每层程序单独检查 看输出数据是否合理

Answer 3

源代码你能运行的话 可以考虑训练的样本数据的量的问题

追问

但如果用matlab自带的神经网络算法可以拟合出较好地效果，误差也很小