matlab 神经网络
这是一道蠓虫分类的例题我想问一下net打头的那几句分别是做什么用的书上只给了程序没写具体。。谢谢!!p1=[1.24,1.27;1.36,1.74;1.38,1.64;1...
这是一道蠓虫分类的例题
我想问一下 net 打头的那几句分别是做什么用的
书上只给了程序没写具体。。
谢谢!!
p1=[1.24,1.27;1.36,1.74;1.38,1.64;1.38,1.82;1.38,1.90;
1.40,1.70;1.48,1.82;1.54,1.82;1.56,2.08];
p2=[1.14,1.82;1.18,1.96;1.20,1.86;1.26,2.00
1.28,2.00;1.30,1.96];
p=[p1;p2]';
pr=minmax(p);
goal=[ones(1,9),zeros(1,6);zeros(1,9),ones(1,6)];
plot(p1(:,1),p1(:,2),'h',p2(:,1),p2(:,2),'o')
net=newff(pr,[3,2],{'logsig','logsig'});
net.trainParam.show = 10;
net.trainParam.lr = 0.05;
net.trainParam.goal = 1e-10;
net.trainParam.epochs = 50000;
net = train(net,p,goal);
x=[1.24 1.80;1.28 1.84;1.40 2.04]';
y0=sim(net,p)
y=sim(net,x)
还有这东西结果应该怎么看??
每次运行都不一样 完全不能理解。。 展开
我想问一下 net 打头的那几句分别是做什么用的
书上只给了程序没写具体。。
谢谢!!
p1=[1.24,1.27;1.36,1.74;1.38,1.64;1.38,1.82;1.38,1.90;
1.40,1.70;1.48,1.82;1.54,1.82;1.56,2.08];
p2=[1.14,1.82;1.18,1.96;1.20,1.86;1.26,2.00
1.28,2.00;1.30,1.96];
p=[p1;p2]';
pr=minmax(p);
goal=[ones(1,9),zeros(1,6);zeros(1,9),ones(1,6)];
plot(p1(:,1),p1(:,2),'h',p2(:,1),p2(:,2),'o')
net=newff(pr,[3,2],{'logsig','logsig'});
net.trainParam.show = 10;
net.trainParam.lr = 0.05;
net.trainParam.goal = 1e-10;
net.trainParam.epochs = 50000;
net = train(net,p,goal);
x=[1.24 1.80;1.28 1.84;1.40 2.04]';
y0=sim(net,p)
y=sim(net,x)
还有这东西结果应该怎么看??
每次运行都不一样 完全不能理解。。 展开
3个回答
展开全部
net=newff(pr,[3,2],{'logsig','logsig'}); %创建 一个bp 神经网络
net.trainParam.show = 10; %显示训练迭代过程
net.trainParam.lr = 0.05; %学习速率0,05
net.trainParam.goal = 1e-10; %训练精度
net.trainParam.epochs = 50000; %最大训练次数
net = train(net,p,goal); %训练
结果要么接近于1 ,要么就是0,就这俩类啊,这就是分类结果;
每次都有些差异 很正常,只要不大
net.trainParam.show = 10; %显示训练迭代过程
net.trainParam.lr = 0.05; %学习速率0,05
net.trainParam.goal = 1e-10; %训练精度
net.trainParam.epochs = 50000; %最大训练次数
net = train(net,p,goal); %训练
结果要么接近于1 ,要么就是0,就这俩类啊,这就是分类结果;
每次都有些差异 很正常,只要不大
追问
net.trainParam.show = 10
10 是什么。。
展开全部
BP神经网络做分类预测的程序,每次训练建立的神经结构不同,所以运行的结果不同。
但是结果很接近或者相似,能预测出理想的值,就可以了。
但是结果很接近或者相似,能预测出理想的值,就可以了。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
从原理上来说,神经网络是可以预测未来的点的。
实际上,经过训练之后,神经网络就拟合了输入和输出数据之间的函数关系。只要训练的足够好,那么这个拟合的关系就会足够准确,从而能够预测在其他的输入情况下,会有什么样的输出。
如果要预测t=[6
7]两点的R值,先以t=[1
2
3
4
5]作为输入,R=[12
13
14
14
15]作为输出,训练网络。训练完成之后,用t=[2
3
4
5
6]作为输入,这样会得到一个输出。不出意外的话,输出的数组应该是[13
14
14
15
X],这里的X就是预测t=6时的R值。然后以t=[3
4
5
6
7]作为输入,同理得到t=7时候的R值。
根据我的神经网络预测,t=6时,R=15,t=7时,R=15。我不知道这个结果是否正确,因为神经网络通常需要大量的数据来训练,而这里给的数据似乎太少,可能不足以拟合出正确的函数。
实际上,经过训练之后,神经网络就拟合了输入和输出数据之间的函数关系。只要训练的足够好,那么这个拟合的关系就会足够准确,从而能够预测在其他的输入情况下,会有什么样的输出。
如果要预测t=[6
7]两点的R值,先以t=[1
2
3
4
5]作为输入,R=[12
13
14
14
15]作为输出,训练网络。训练完成之后,用t=[2
3
4
5
6]作为输入,这样会得到一个输出。不出意外的话,输出的数组应该是[13
14
14
15
X],这里的X就是预测t=6时的R值。然后以t=[3
4
5
6
7]作为输入,同理得到t=7时候的R值。
根据我的神经网络预测,t=6时,R=15,t=7时,R=15。我不知道这个结果是否正确,因为神经网络通常需要大量的数据来训练,而这里给的数据似乎太少,可能不足以拟合出正确的函数。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询