一个简单的用于预测的BP神经网络模型

最新推荐文章于 2024-07-25 20:52:07 发布

weixin_45364727

最新推荐文章于 2024-07-25 20:52:07 发布

阅读量1.3w

点赞数 12

分类专栏： AI 文章标签：神经网络 BP预测模型

本文链接：https://blog.csdn.net/weixin_45364727/article/details/100736837

版权

本文介绍了一个简单的BP神经网络模型，利用铣削实验数据进行预测。通过构建训练样本，设置网络结构和训练参数，展示了如何训练并应用神经网络进行数据预测。文章还包含了数据归一化处理和反归一化的步骤。

摘要由CSDN通过智能技术生成

一个简单的用于预测的BP神经网络模型

这是一个简单的bp神经网络模型，其中的数据是铣削实验的数据，数量较少，但作为神经网络的例子正好。读者可以根据自己的需要将自己的数据换进去，其中，传递函数和学习函数都可以代换。隐层根据自己的需要进行调整，该模型可直接进行运行，对于学习BP神经网络非常好。

%构建训练样本中的输入向量
P1= [3.67 2.32 3.67 2.32 3.67 2.32 3.67 2.32 3.67 2.32 3.67 2.32 3.67 2.32 3.67;
0.178 0.28 0.28 0.178 0.178 0.28 0.28 0.178 0.178 0.28 0.28 0.178 0.178 0.28 0.28;
1 1 1 2.25 2.25 2.25 2.25 1 1 1 1 2.25 2.25 2.25 2.25;
0.12 0.12 0.12 0.12 0.12 0.12 0.12 0.28 0.28 0.28 0.28 0.28 0.28 0.28 0.28];
P2=[1.83 4.65 2.95 2.95 2.95 2.95 2.95 2.95;0.223 0.223 0.142 0.351 0.223 0.223 0.223 0.223;
1.5 1.5 1.5 1.5 0.67 3.37 1.5 1.5;0.18 0.18 0.18 0.18 0.18 0.18 0.08 0.4];
P3=[2.95 2.95 2.95 2.95 2.95 2.95;0.223 0.223 0.223 0.223 0.223 0.223;
1.5 1.5 1.5 1.5 1.5 1.5;0.18 0.18 0.18 0.18 0.18 0.18];
P=[P1 P2 P3];
%构建训练样本中的输出向量
T=[1.45 2 1.3 2.1 1.4 2 1.45 3.