2 - 较复杂的BP神经网络实现

最新推荐文章于 2024-05-15 17:07:32 发布

秋海鱼

最新推荐文章于 2024-05-15 17:07:32 发布

阅读量342

点赞数

文章标签：神经网络 matlab 深度学习

本文链接：https://blog.csdn.net/weixin_44785590/article/details/120682667

版权

本文探讨了在不使用遗传算法的情况下，如何利用BP神经网络对15维输入、3维输出的数据进行训练。训练集包含9个样本，测试集有3个样本，权重和阈值在(-0.5,0.5)范围内随机初始化。" 130858995,18870143,Python .any方法：简化列表判断指南,"['Python编程', '函数方法', '条件语句', '编程技巧', '数据处理']

摘要由CSDN通过智能技术生成

权值与阈值可以在开始训练网络前给其赋值，赋值的结果一定会影响神经网络最终的预测性能。我们追求的目标是使神经网络最终的预测性能最佳，也就是说找到最佳的权值与阈值。当然不能用枚举法寻找最佳权值和阈值，所以采用智能优化算法进行搜索，其中之一就是遗传算法。
本次练习不涉及遗传算法，仅对数据进行BP神经网络建立。
本次我们要训练9个15维的输入数据，输出数据为9个3维矩阵，测试输入数据为3个15维数据，测试输出数据为3个3维数据。训练数据和测试数据如下。训练输入数据为P，训练输出数据为T，测试输入数据P_test，测试输出数据为T_test（PS：注意列数代表数据个数，行数代表维数）。
在这里插入图片描述

权值和阈值随机生成区间为(-0.5,0.5)，详细代码如下：

clear
clc
% Examples
% Here is how to format a matrix so that the minimum and maximum values of each row are mapped to default interval [-1,+1].
% x1 = [1 2 4; 1 1 1; 3 2 2; 0 0 0]
% [y1,PS] = mapminmax(x1)
% Next, apply the same processing settings to new values.
% x2 = [5 2<