您好,登錄后才能下訂單哦!
這篇文章主要介紹“matlab如何增加隱含層減少誤差”,在日常操作中,相信很多人在matlab如何增加隱含層減少誤差問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”matlab如何增加隱含層減少誤差”的疑惑有所幫助!接下來,請跟著小編一起來學習吧!
BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成,隱含層根據(jù)層數(shù)又可以分為單隱含層和多隱含層。多隱含層由多個單隱含層組成,同單隱含層相比,多隱含層泛化能力強,預(yù)測精度高,但是訓練時間較長。隱含層層數(shù)的選擇要從網(wǎng)絡(luò)精度和訓練時間上綜合考慮,對于較簡單的映射關(guān)系,在網(wǎng)絡(luò)精度達到要求的情況下,可以選擇單隱含層,以求加快速度;對于復(fù)雜的映射關(guān)系,則可以選擇多隱含層,以期提高網(wǎng)絡(luò)的預(yù)測精度。
%% 雙隱含層BP神經(jīng)網(wǎng)絡(luò)
%% 清空環(huán)境變量
clc
clear
%% 訓練數(shù)據(jù)預(yù)測數(shù)據(jù)提取及歸一化
%下載輸入輸出數(shù)據(jù)
load data input output
%從1到2000間隨機排序
k=rand(1,2000);
[m,n]=sort(k);
%找出訓練數(shù)據(jù)和預(yù)測數(shù)據(jù)
input_train=input(n(1:1900),:)';
output_train=output(n(1:1900));
input_test=input(n(1901:2000),:)';
output_test=output(n(1901:2000));
%選連樣本輸入輸出數(shù)據(jù)歸一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%% BP網(wǎng)絡(luò)訓練
% %初始化網(wǎng)絡(luò)結(jié)構(gòu)
net=newff(inputn,outputn,[5 5]);
net.trainParam.epochs=100;
net.trainParam.lr=0.1;
net.trainParam.goal=0.00004;
%網(wǎng)絡(luò)訓練
net=train(net,inputn,outputn);
%% BP網(wǎng)絡(luò)預(yù)測
%預(yù)測數(shù)據(jù)歸一化
inputn_test=mapminmax('apply',input_test,inputps);
%網(wǎng)絡(luò)預(yù)測輸出
an=sim(net,inputn_test);
%網(wǎng)絡(luò)輸出反歸一化
BPoutput=mapminmax('reverse',an,outputps);
%% 結(jié)果分析
figure(1)
plot(BPoutput,':og')
hold on
plot(output_test,'-*');
legend('預(yù)測輸出','期望輸出')
title('BP網(wǎng)絡(luò)預(yù)測輸出','fontsize',12)
ylabel('函數(shù)輸出','fontsize',12)
xlabel('樣本','fontsize',12)
%預(yù)測誤差
error=BPoutput-output_test;
figure(2)
plot(error,'-*')
title('BP網(wǎng)絡(luò)預(yù)測誤差','fontsize',12)
ylabel('誤差','fontsize',12)
xlabel('樣本','fontsize',12)
figure(3)
plot((output_test-BPoutput)./BPoutput,'-*');
title('神經(jīng)網(wǎng)絡(luò)預(yù)測誤差百分比')
errorsum=sum(abs(error))
到此,關(guān)于“matlab如何增加隱含層減少誤差”的學習就結(jié)束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習,快去試試吧!若想繼續(xù)學習更多相關(guān)知識,請繼續(xù)關(guān)注億速云網(wǎng)站,小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。