一、神经网络简介
二、MATLAB中的神经网络相关函数介绍
1.newff——创建前馈bp网络
net=newff([xm,xM],[h1,h2,...hk],{f1,f2,....fk})
其中,第一个输入变量:xm和xM是列向量,分别储存每个样本中输入数据中的最大值和最小值,
第二个输入变量:是一个行向量,输入的是各层的节点数,这个自己决定
第三个输入变量:是字符串,输入的是该层的传输函数,常用的是 tansig和logsig
2.train——训练一个神经网络
net=train(net,x,y)
其中,x是输入变量,y是输出变量,net是返回后的神经网络对象
3.sim——仿真一个神经网络
net=sim(net,x1)
其中,x1是要预测的输入变量,得到的是对应的预测值
三、一个例子
1.题目:函数,先让其在[0,10]的区间上间隔0.5进行学习,然后再推广到[0,10]间隔0.1的区间,将得到的结果进行比较。
2.MATLAB代码
我在自己电脑上是能实现的,在这里贴一下:
x=0:0.5:10;
y=0.2*exp(-0.2*x)+0.5*exp(-0.15*x).*sin(1.25*x);
net.trainParam.epochs=5000;%设定迭代步数
%创建一个神经网络,第一个输入变量就是此题中自变量的最大值和最小值
net=newff([0,10],[6,1],{'tansig','tansig'});
%设置训练函数
net=train(net,x,y);
%训练完以后,开始实测,用[0,10]间隔0.1的区间进行计算
x1=0:0.1:10;
y1=sim(net,x1);
plot(x,y,'*',x1,y1,'r')%换图展示
%为了得到更好的效果,画出原函数的实际图像进行对比
hold on
x2=0:0.01:10;
y2=0.2*exp(-0.2*x2)+0.5*exp(-0.15*x2).*sin(1.25*x2);
plot(x2,y2, 'b-.')
3.效果图
哇好酷炫,第一次自己做出来的时候都惊呆了~
嗯,就这样了,以后有问题再补充~