bp神经网络中的重要函数解释

BP神经网络是反向传播神经网络
1.归一化 : 将数据映射到[0,1]或者[-1,1]缩小数据范围。防止数据淹没(一个数据很大一个很小,小的可能会忽略不计)
2. [Y,PS] = mapminmax(X,YMIN,YMAX)%x输入,y输出,YMIN,YMAX输出的范围,PS为结构体的信息。YMIN,YMAX默认是-1,1 ,正常设置为0,1

Y = mapminmax('apply',X,PS);%采用同X一样的归一化

X = mapminmax('reverse',Y,PS);%反归一化

eg:当x = [1,2,3,4];

经过归一化后是0-1之间的四个数,反归一化就是重新变成x=[1,2,3,4];
3.创建网络 net=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

参数:P 输入参数矩阵
T 目标参数矩阵
S N-1个隐含层数目(s(1)到s(N-1)),默认为空矩阵【】
TF 相关层的传递函数,默认隐含层为tansig函数,输出层为purlin函数。

tansig:正切S型传递函数 purelin:线性传递函数 logsig:对数S型传递函数
隐含层和输出层函数选择对BP神经网络预测精度有较大影响,一般隐含层节点转移函数选用tansig函数或者logsig函数,输出层节点转移函数选用tansig函数或者purelin函数。

BTF:BP神经网络学习训练函数,默认为taringlm函数,

BLF :权重学习函数,默认值为learngdm。traingd:最速下降BP算法。 traingdm:动量BP算法 trainda:学习率可变的最快下降BP算法。 traindx:学习率可变的动量BP算法。 trainrp : 弹性算法。

PF:性能函数,默认值为mse,可选择的还有sse,sae,mae,crossentropy 。mse:均方差。sse:和方差。mae: 平方损失。 crossentropy:交叉熵。

IPF/OPF/DDF均设置为默认值即可。
4.训练函数 :(训练所有神经网络)

[net,tr,Y,E,Pf,Af] = train(net,P,T,Pi,Ai)
net :需要训练的神经网络
p :网络输入
T :网络期望输出
Pi/Ai:初始输入/层延迟,默认为0
net
:训练好的神经网络
tr:训练记录,包括训练的步数epoch和性能perf 对于没有输入延迟或层延迟的网络,Pi、Ai、Pf和Af参数是不需要的。

仿真函数:[Y,Pf,Af,E,perf] = sim(net,P,Pi,Ai,T)

pf:最终输入延时

Af:最终层延迟

E:网络误差

Y:拟合或预测值

perf:网络性能

net:BP神经网络

P:拟合或预测值

T:拟合或预测期望

基本步骤:1。导入数据,分为训练输入数据和训练输出数据,测试输入数据和测试输出数据,各个层的节点数量,

2.训练样本归一化(包括训练输入和训练输出)

3.构建神经网络

4.网络参数配置

5.训练神经网络net

6.测试样本归一化

7.利用训练后的net进行预测测试集

8.得到预测结果

9.再进行反归一化得到原数值

10.计算误差

参考大佬视频:添加链接描述

相关推荐
搏博1 小时前
神经网络问题之二:梯度爆炸(Gradient Explosion)
人工智能·深度学习·神经网络
Matlab精灵1 小时前
Matlab科研绘图:自定义内置多款配色函数
算法·matlab
搏博1 小时前
神经网络问题之:梯度不稳定
人工智能·深度学习·神经网络
白光白光3 小时前
量子神经网络
人工智能·深度学习·神经网络
xrgs_shz5 小时前
MATLAB读入不同类型图像并显示图像和相关信息
图像处理·计算机视觉·matlab
代码不行的搬运工8 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
火山口车神丶8 小时前
某车企ASW面试笔试题
c++·matlab
今天吃饺子9 小时前
2024年SCI一区最新改进优化算法——四参数自适应生长优化器,MATLAB代码免费获取...
开发语言·算法·matlab
秀儿还能再秀18 小时前
神经网络(系统性学习三):多层感知机(MLP)
神经网络·学习笔记·mlp·多层感知机
老艾的AI世界20 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲