1.首先,我们打开matlab,通过导入数据,输入“输入数据”(input),以及“输出数据”(output),可以看到工作区已经出现了两个数据。
![727186ae5445699503b7695c6d1a557b.png](https://i-blog.csdnimg.cn/blog_migrate/65f823a70bfa610e854e393d077ec2f0.png)
2.点击“应用程序”,选择神经网络工具箱。
![779f43ed54e53d01712ba1b6fc74c4e8.png](https://i-blog.csdnimg.cn/blog_migrate/43a3807a939e5ea6dfc57bc6c2f5b6fd.png)
3.出现如下图框提示,点击“Next”。
![98c24b0136b1ac6e05c0a30f674eb94a.png](https://i-blog.csdnimg.cn/blog_migrate/be0c567d0337befe83e6d6478ea371fb.png)
4.输入数据“input”,“output”,选择第二种矩阵类型。
![097a6aaf27911f3b69c726c61d96aeae.png](https://i-blog.csdnimg.cn/blog_migrate/c994dff549c3b43e85f2e1a8c24c4338.png)
5.选择三种数据比例,这里选择的比例为7:1:2。
![20d28e410f1cc3b8bc28c6bcfaef0bf4.png](https://i-blog.csdnimg.cn/blog_migrate/778c93f7b9cbfa68ad3e8282f5b092bf.png)
6.设置隐藏层的神经元,选择默认10层。
![b2eb64cba5ab94e583442fbe0604d30d.png](https://i-blog.csdnimg.cn/blog_migrate/08283e7b40fe99789a6cdb7d884a98a4.png)
7.点击“train”进行训练。
![57fe506f543094d322065719b7e21b0f.png](https://i-blog.csdnimg.cn/blog_migrate/7a9f1338e304bf6e77155232fb553a15.png)
8. 点击“next”。
![408c7f13aa3b2f67a29b7111d39bd9e1.png](https://i-blog.csdnimg.cn/blog_migrate/c48b8f29b3313d088b39347d603a74ab.png)
通过对16组数据进行拟合,发现大部分都在误差以内。
![135a6e60e499bbad8bf31af1323311e9.png](https://i-blog.csdnimg.cn/blog_migrate/efafb543926fc94e3744eca4bfc462cd.png)
![085324dd7313ca1e04cdf5eee31ab3eb.png](https://i-blog.csdnimg.cn/blog_migrate/35f23520315e330fc8838dc66d6efb99.png)
9.继续点击”next”。
![c0a81e6b06a87e6294b7b154897fb687.png](https://i-blog.csdnimg.cn/blog_migrate/22c87adcff3f05b26c4372f3154cb73c.png)
10.点击保存数据,点击“simple Script”生成代码。
![7d8e0395c202a437343eec0560161a45.png](https://i-blog.csdnimg.cn/blog_migrate/c03e85c314aca5ecec9bfc164998521b.png)
11.保存代码。
![3604d7cd22f1b68e96104bb95c6fce9f.png](https://i-blog.csdnimg.cn/blog_migrate/2cbf33becc1019baf88b52309639cf86.png)
12.选择运行代码,生成神经网络“net”。
![b6ba175e7c4b9645e643a4d762a695fc.png](https://i-blog.csdnimg.cn/blog_migrate/dbec37502d236acbfe31e15c8458e681.png)
13.神经网络工具箱,运行代码后可以在工作区得到训练出的net,输入代码,对训练好的神经网络进行数据预测,
cupredict=sim(net,input')
![d55c4c3e63c8b610204474455b26111b.png](https://i-blog.csdnimg.cn/blog_migrate/c4ad0ec005275715552968186c345591.png)
![09baf3a1c11c61f345d4dc10df57a54e.png](https://i-blog.csdnimg.cn/blog_migrate/2775f62ba059cb72b442c659ff8f0450.png)
通过用神经网络进行预测,得到预测值。
预测值 真实值 误差
![d34fe565e5046211def9f0e56ec53547.png](https://i-blog.csdnimg.cn/blog_migrate/6aa3233aaa5809edc6041475f131dd3a.jpeg)
由于真实数据不外露,已打码。此模式可以任意套用。需要强调的是,本文所谓的预测,是对训练拟合好的网络,重新输入“输入数据”得到预测数据,并与已有数据进行误差对照。
通过上表可以看出,虽然大部分误差都很小,但是还是有个别数据出现了偏差,可以看到在数据不足的情况下,神经网络存在误差。所以我们需要进一步提优化方案。等下周wx学习y遗传算法再进行新一轮优化。