matlab神经网络过拟合,BP神经网络过拟合问题

如果样本比较多的话可以用 [trainV,valV,testV] = dividevec(p,t,valPercent,testPercent)，然后运用 net = train(net,trainV.P,trainV.T,[],[],valV,testV);方式来训练网络这就是来防止过拟合的。你可以试试。具体的例子：

%bp神经网络进行交通预测的Matlab源代码

% BP 神经网络用于预测

% 使用平台 - Matlab7.0

% 数据为1986年到2000年的交通量 ，网络为3输入，1输出

% 15组数据，其中9组为正常训练数据，3组为变量数据，3组为测试数据

%by akjuan

%all rights preserved by www.matlabsky.cn

%2008.11

clc

clear

All_error=[];%所有误差存储

%---------------------------------------------------

%原始数据

%---------------------------------------------------

year=1986:2000;%数据是从1986到2000年的

p=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...

378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...

527 668 841; 668 841 526;841 526 480;526 480 567;480 567 685]';%输入数据，共15组，每组3个输入

t=[176 235 378 429 561 651 467 527 668 841 526 480 567 685 507];%输出数据，共15组，每组1个输出

%---------------------------------------------------

%数据归一化处理

%mapminmax函数默认将数据归一化到[-1,1]，调用形式如下

%[y,ps] =%mapminmax(x,ymin,ymax)

%x需归化的数据输入

%ymin，ymax为需归化到的范围，不填默认为归化到[-1,1]

%y归一化后的样本数据

%ps处理设置，ps主要在结果反归一化中需要调用，或者使用同样的settings归一化另外一组数据

%---------------------------------------------------

[normInput,ps] = mapminmax(p);