从函数关系y=x1^2+x2^2产生2000组样本数据,其中1900组作为学习集,100组作为待测集。用R语言建立合适的BP神经网络模型并利用上述学习集进行训练。然后用训练后的神经网络模型对待测集进行预测,画图对比预测值和理想值之间的误差情况
具体如下:
library(AMORE)
x1 <- round(runif(2000,1,2000)) #随机生成2000个数
x2 <- round(runif(2000,1,2000))
x11 <- scale(x1[1:1900]) #数据标准化,并选取1900个组作为学习集
x12 <- scale(x2[1:1900])
x21 <- scale(x1[1901:2000]) #选取100组作为待测集
x22 <- scale(x2[1901:2000])
y1 <- x11^2+x12^2
y2 <-x21^2+x22^2
p <-cbind(x11,x12) #整合为矩阵
q <-cbind(x21,x22)
target = y1
net<-newff(n.neurons=c(2,2,1),learning.rate.global=1e-2,momentum.global=0.4,error.criterium="LMS", Stao=NA,hidden.layer="tansig",
output.layer="purelin",method="ADAPTgdwm")
result <- train(net, p, target,error.criterium="LMS", report=TRUE, show.step=100, n.shows=5 )
z <- sim(result$net, q) #对待测集进行预测
plot(q[1:100,1],z, col="blue",pch="+") 画出待测集模型运算后的图形
points(q[1:100,1],y2,col="red", pch="x") 画出待测集图形,并比较两者之间的差异。