BP神经网络预测遇到一个疑问，麻烦过来看看
本帖最后由 数学不烦 于 2013-9-9 21:56 编辑各位朋友，有一个问题请教你们。 我用BP神经网络做预测的时候（下面是我的代码）遇到一个问题。 首先我尝试在代码里面不把数据归一化，这样的出来的结果很差（R=0.46）.但我把数据作归一化 与 反归一化 之后 确实R提高了很多（R=0.99），这时问题就来了，请看最下面的测试结果代码，那里只有输入（没有输出，因为是预测），premnmx 归一化要有输出的变量T，但我只有输入数据，没有输出数据，因此反归一的结果（最后的预测结果）也无法做到。那么我的预测就不是做不了吗？ 很纠结，查了很多资料了，还是不知道怎么解决。
国赛准备到了，希望热心的朋友懂的不吝赐教，我把问题写得很认真，希望各位能帮我解决这个问题，谢谢了。
clear
clc
%输入数据--以一列作为一个输入数据
x1=;
x2=;
x3=;
x4=;
x5=;
x6=;
x7=;
x8=;
x9=;
P=';
%输出数据--以一列作为一个输出数据
y1=;
y2=;
y3=;
y4=;
y5=;
y6=;
y7=;
y8=;
y9=;
T=';
%归一化
% = premnmx(P,T);
%建立网络
%其中代表有一个隐含层，里面有10个神经元；“3”代表有三个输出数据
%{'tansig','purelin'}与对应，意思为隐含层 与 输出层
%'traingdm' 表示调整权重，缩小误差的数学函数
%↓创建一个新的前向神经网络
net = newff(minmax(P),,{'tansig','purelin'},'traingdm')
% 当前输入层权值和阈值
inputWeights = net.IW(1,1)
inputbias = net.b(1)
% 当前网络层权值和阈值
layerWeights = net.LW(2,1)
layerbias = net.b(2)
% 设置训练参数
net.trainParam.show = 50;
net.trainParam.lr = 0.05;
net.trainParam.mc = 0.9;
net.trainParam.epochs = 10000; %每计算10000次出一次结果
net.trainParam.goal = 1e-6; %期望达到的误差（认为是合适的误差）
% 调用 TRAINGDM 算法训练 BP 网络
= train(net,P,T);
% 对 BP 网络进行仿真
A = sim(net,P); %A为输出结果
%反归一化
% A = postmnmx(A,mint,maxt);
% 计算仿真误差
E = T-A; %原来的输出 - 训练输出 = 误差
MSE = mse(E) %输出误差
%下面是输入数据，测试结果
x=';
Y = sim(net,x)
要进行预测，必须有对应的新的输入量，你的在哪里？ 用mapminmax可以对P,T分别归一化 不知道你最后是怎么解决的，感觉你最后预测的时候没有把输入数据进行归一化，即要对x进行归一化，再对y进行反归一化，这是我的看法，不知道对不对
页:
[1]