QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 4107|回复: 3
打印 上一主题 下一主题

[已经解决] BP神经网络预测遇到一个疑问,麻烦过来看看

[复制链接]
字体大小: 正常 放大

23

主题

8

听众

372

积分

升级  24%

  • TA的每日心情
    开心
    2014-10-4 18:19
  • 签到天数: 102 天

    [LV.6]常住居民II

    自我介绍
    本人是在校学生,即将参加有史以来的第一场国赛,希望能在这里获得帮助。
    跳转到指定楼层
    1#
    发表于 2013-9-8 17:22 |只看该作者 |正序浏览
    |招呼Ta 关注Ta
    本帖最后由 数学不烦 于 2013-9-9 21:56 编辑
    5 c  c0 M9 k1 X2 R& W* i0 ]% `' f1 o/ N) `$ |  R! e2 q
    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。
    6 G, [+ n* z5 `, g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。: @' `4 Q: `1 R% h/ h7 g# H' L

    - V( x, ~& F; r' u' Wclear
    5 Y9 v% N% o# s( x8 {- ~8 @clc
    5 X* G4 \  F4 Q/ u4 y1 d%输入数据--以一列作为一个输入数据
    . f. a$ f. l3 V5 g6 J* n- nx1=[227.5 286.9 236.3 300.6 243.0];
    % r0 P- D- y0 G8 K0 c) Vx2=[286.9 236.3 300.6 243.0 354.1];8 y* V( `7 A! a% t+ A' }. ^+ y* P
    x3=[236.3 300.6 243.0 354.1 294.1];% h6 o1 @/ ~$ |) q& p3 w0 u: I! N& M
    x4=[300.6 243.0 354.1 294.1 361.4];$ L+ x9 K) S! O4 G9 K7 O2 m+ _
    x5=[243.0 354.1 294.1 361.4 333.7];
    4 L, A/ o+ H9 P7 U& r& Ax6=[354.1 294.1 361.4 333.7 426.4];1 ?0 q2 ]1 L$ p2 F7 H
    x7=[294.1 361.4 333.7 426.4 434.4];! ?- u. s3 ~8 e) F! h
    x8=[361.4 333.7 426.4 434.4 449.9];% [  c0 f+ }# g! G
    x9=[333.7 426.4 434.4 449.9 431.9];: g) ^2 @$ H8 X

    : Y% @4 \# g. O$ G% b+ KP=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';2 C7 i$ z" H5 s1 X2 C0 D
    %输出数据--以一列作为一个输出数据  p+ K6 R- ~/ }! s2 e, T7 N! y7 H
    y1=[354.1 294.1 361.4 333.7 426.4];
    ) i9 ]- V' |" [, U! O* Sy2=[294.1 361.4 333.7 426.4 434.4];! l+ R; t" a, B/ Z6 h
    y3=[361.4 333.7 426.4 434.4 449.9];+ A7 c* c) v: M8 i+ W' O. @
    y4=[333.7 426.4 434.4 449.9 431.9];
    0 E$ m% K6 E0 I+ A# b: Y* Jy5=[426.4 434.4 449.9 431.9 454.0];$ g- Y; C! I/ Q( `! w2 W1 G$ g* ?1 v
    y6=[434.4 449.9 431.9 454.0 655.6];$ m; N) N8 M' b' ]. c" Z
    y7=[449.9 431.9 454.0 655.6 907.0];  b: n! ]' h: ~+ \( g
    y8=[431.9 454.0 655.6 907.0 1112.5];) f5 o. s0 a+ e9 ?" ~6 K
    y9=[454.0 655.6 907.0 1112.5 1401.1];
    + \: v! n% r% x" _3 H+ ^% L5 `
    5 }* Y- d/ D# ^6 GT=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';+ A" ?+ M0 {$ }, A! Z) g
    3 n: a% [8 O* C$ o( E$ ^
    %归一化
    1 s: M' c5 T' k* u% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
    7 S# `/ O: W  z1 n; m%建立网络
    & R% R& G% p- b4 T5 G: X  N" Y%其中[10,3]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
    ' l9 R( {0 _' z' t  F* h) K%{'tansig','purelin'}与[10,3]对应,意思为隐含层 与 输出层
    9 j3 u8 f# {6 f%'traingdm' 表示调整权重,缩小误差的数学函数* {" |+ s7 c; @' U
    %↓创建一个新的前向神经网络  
    9 B, W, l5 w) qnet = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm'), _( h" L7 P  G  J1 j" [6 Q
    5 x% a3 L  z* L/ ~: Q  Y( d
    %  当前输入层权值和阈值 9 H$ c0 I' \- E$ b- ]2 `  _2 \
    inputWeights = net.IW(1,1)
    * X+ `" i: _, g' q' Pinputbias = net.b(1)
    ! Q6 @( F! y9 q/ P6 S2 S
    ' a* S3 _& g( R' F8 I1 W- h%  当前网络层权值和阈值 - S( ?) V- i5 c
    layerWeights = net.LW(2,1)
    / k  Q/ V4 H  a/ R9 J% k* e8 k9 Playerbias = net.b(2); z* B  A5 p; }, d+ w
    4 C% l# D  j2 O
    %  设置训练参数6 G. h: T: D7 u, o/ M
    net.trainParam.show = 50;  O, ?6 x/ @, ]  D1 M& w
    net.trainParam.lr = 0.05;8 b6 U' L' ?+ d% s/ S) i$ q: R' L
    net.trainParam.mc = 0.9;
    ; f/ R! Y, C& qnet.trainParam.epochs = 10000;  %每计算10000次出一次结果) B5 Q  K6 ~  o2 d9 l% @# H
    net.trainParam.goal = 1e-6;     %期望达到的误差(认为是合适的误差)
    3 _7 r% f; n4 x3 E5 X+ t9 w2 @6 m/ ?) \9 s  A2 q
    %  调用 TRAINGDM 算法训练 BP 网络
    - |8 @4 v; K4 ]. S9 t( z2 Y# F) a  `[net,tr] = train(net,P,T);      ; j5 r3 @3 u; @3 T" P
    + `) L7 ?4 x5 N$ g& T5 f8 E
    %  对 BP 网络进行仿真5 a7 j1 [9 h2 h$ k; ^
    A = sim(net,P);                 %A为输出结果7 z+ Y( P8 P9 n& l( h

    ) h) X. q& D' r  h; \%反归一化. N- l( a) Z( J$ l, B, [
    %  A = postmnmx(A,mint,maxt);
    . Z% l% w4 c, v# Z+ _9 l+ f$ C( p) U, ~
    %  计算仿真误差  % F! U) v, p; r# A, w, a
    E = T-A;                        %原来的输出 - 训练输出 = 误差: g* v9 Z" I1 v  ^! g" o
    MSE = mse(E)                    %输出误差% G9 u$ k! ?% ~) A& n* K
      J) l& A6 Q( Z# G
    %下面是输入数据,测试结果4 d; N- b, f% n% [: ?
    x=[454.0 655.6 907.0 1112.5 1401.1]';' r& o- w9 n8 _8 J8 D
    Y = sim(net,x)
    / _8 L$ E9 ?* T7 X$ R5 `
    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信

    19

    主题

    11

    听众

    272

    积分

    升级  86%

  • TA的每日心情
    郁闷
    2014-10-23 09:29
  • 签到天数: 59 天

    [LV.5]常住居民I

    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
    回复

    使用道具 举报

    kaito1412        

    63

    主题

    8

    听众

    3098

    积分

    升级  36.6%

  • TA的每日心情
    开心
    2020-7-21 15:56
  • 签到天数: 829 天

    [LV.10]以坛为家III

    回复

    使用道具 举报

    magic2728 实名认证    中国数模人才认证   

    61

    主题

    478

    听众

    4861

    积分

    升级  95.37%

  • TA的每日心情
    慵懒
    2014-9-29 19:37
  • 签到天数: 409 天

    [LV.9]以坛为家II

    群组数学中国 2015美赛护航

    群组数模专题强化培训

    群组建模思维养成培训

    群组2015美赛护航(强化)

    群组2013年数学建模国赛备

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-4-15 11:56 , Processed in 0.468970 second(s), 74 queries .

    回顶部