Maltab GUI课程设计——卷积神经网络回归预测

---

课程设计

平台：Matlab App designer

功能实现：卷积神经网络CNN回归预测

目的：

1.Matlab代码编写能力进阶；
2.学会利用Matlab GUI设计图形交互界面，开发有趣的应用；

演示：

1.设计GUI界面，界面上需要能够改变卷积神经网络的基本参数，包括卷积层数，训练次数，初始学习率等。输出结果包括预测曲线及根均方差、平均绝对误差、平均绝对百分误差三个指标。具体界面如下：

2.网络输入和网络输出两个按钮，是用来分别选择卷积神经网络的输入和输出的。其中，网络输入的数据必须是m行×n列的，其中m是数据量，n是特征数，即自变量；网络输出的数据必须是m行×a列的，其中a是输出量，即因变量。
以经典的波士顿房价预测为例，统计了13个影响房价的指标，如下所示。数据集中有506个实例，每个实例中有13个指标和1个房价数据。因此，在处理数据的时候，网络输入的应该是个506×13的数组；网络输出应该是个506×1的数组。

演示一下预测效果：

训练进度图：

3.在界面上，卷积层数[8,4]的意思是有2个卷积层，2个卷积层的深度分别为8和4。同理，如果输入[2,3,4]，则意味着有3个卷积层，三个卷积层的深度分别有2，3，4。此外，在点击开始训练后，还会跳出对话框要求输入每层的卷积核大小。（注：这些数值没有科学依据，仅仅是演示一下）

4.网络训练好一次后，会将网络模型和预测的数据全部都保存到当前路径下的Net.mat文件中，以便后续的处理。该界面还支持单次预测和批量预测。单次预测时，在输入框中输入影响房价的13个指标值，即可给出预测的房价；演示时以输入13个1为例。批量预测时，网络输入应该为m行×13列的数据，预测数据曲线会显示在图上；演示时就以原训练输入为例。

5. 此外，界面上有功能菜单，实现重置、退出、软件介绍等功能。

总结一下，该界面能够实现基于卷积神经网络的回归预测，前提是要事先按照要求处理好输入数据和输出数据的格式。众所周知，卷积神经网络对二维图像的分类和预测效果比较好，对于一维的数据的话效果会差一些。界面上没有显示误差比较图等，如果有必要的话可以很轻松就加上。

欢迎交流

代码事宜，私信博主