QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3754|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
    1 X' I  h" F5 A  Y2 k2 A
    1 ^! W* f1 z+ ~2 J' a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。' P. K1 C( j1 \/ A, T  k
    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。
    # Q& r7 Q/ T! f$ G" m" \" _4 C) b& F2 S$ [( y
    clear
      b1 I7 f; j' `; a# J5 ^* N7 `clc5 p2 x9 k* |4 ~
    %输入数据--以一列作为一个输入数据( J7 _( J3 ?* y8 _4 F  X. h
    x1=[227.5 286.9 236.3 300.6 243.0];7 i& \7 P$ ?9 j( T
    x2=[286.9 236.3 300.6 243.0 354.1];6 x. ]0 T- s. O# n3 U9 j' C$ Z3 K! N
    x3=[236.3 300.6 243.0 354.1 294.1];  f" P5 u* B7 P; r0 ^
    x4=[300.6 243.0 354.1 294.1 361.4];
    & V, E2 X7 k8 Y- B) V7 Ux5=[243.0 354.1 294.1 361.4 333.7];
    % `; j% z$ S2 Z$ T* F- M% ?x6=[354.1 294.1 361.4 333.7 426.4];) S: e% X& z" }$ j( n4 q/ Q' p. r6 k
    x7=[294.1 361.4 333.7 426.4 434.4];2 L- ^1 C; Z1 K! ^+ V" a
    x8=[361.4 333.7 426.4 434.4 449.9];" o1 ^3 y+ R/ x: k
    x9=[333.7 426.4 434.4 449.9 431.9];4 B, i1 q/ |- C8 X

    & U) I0 \0 a! n) \7 AP=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';3 W$ C8 a; M4 J, q
    %输出数据--以一列作为一个输出数据, H+ P) w" z; E" P0 z6 R; \
    y1=[354.1 294.1 361.4 333.7 426.4];
    * F) q1 k& a3 V5 |9 ^. {5 s  Z+ ay2=[294.1 361.4 333.7 426.4 434.4];: M, e6 t; g/ K3 ?$ M3 O7 J7 p
    y3=[361.4 333.7 426.4 434.4 449.9];
    . X  Z2 n; g# m% v" Yy4=[333.7 426.4 434.4 449.9 431.9];! W- x, Q+ `* H5 a) C/ m5 ~
    y5=[426.4 434.4 449.9 431.9 454.0];
    / t9 ?! Y0 I, w% r9 ]y6=[434.4 449.9 431.9 454.0 655.6];0 d) c. I* X' J- ~" V/ c
    y7=[449.9 431.9 454.0 655.6 907.0];
    ' r$ [9 K2 `6 {' Q" r0 ty8=[431.9 454.0 655.6 907.0 1112.5];2 f9 u7 ~' W1 M2 K0 B, m! I
    y9=[454.0 655.6 907.0 1112.5 1401.1];
    2 u: E6 m9 p% g4 a# L0 O8 E# n# M$ |) B* ]+ l
    T=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';/ y4 I6 a. h% {: i! x( y
    4 K+ O5 X2 F* ]8 M% Y) i
    %归一化
    8 g. ?5 b3 U, C% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
    - J7 g' g$ }) W%建立网络
    " b( {- K! |! m- |: N%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9 P9 d7 M! Q2 c' k) Y- F4 e
    %{'tansig','purelin'}与[10,3]对应,意思为隐含层 与 输出层. Q" W( B# A  a! a( ?/ O$ c. W
    %'traingdm' 表示调整权重,缩小误差的数学函数
    % L9 ~2 B8 s1 T6 A/ o' b3 m%↓创建一个新的前向神经网络  
    . v/ ~7 ~- _* ?' u# X* unet = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm')( h) `2 b1 r$ o5 d) ?" |" i/ _+ y

    & R' P+ G$ h7 J7 V/ H5 `0 _% Q( O%  当前输入层权值和阈值 1 x# L4 M3 a. e  {" l
    inputWeights = net.IW(1,1)
    + Y- \2 W* Z6 J8 Q/ kinputbias = net.b(1)
    ; O2 [+ o; k, W, R  p! E- i: K' p2 K* ]6 t  W
    %  当前网络层权值和阈值 # s! B0 F3 t. h9 p3 k5 s
    layerWeights = net.LW(2,1)- d! v+ ~( P5 N4 ^1 ^  m+ W
    layerbias = net.b(2)
    ! j& U8 n9 @  b+ N. |
    * F( Q4 T' u1 u8 w" F- g" M%  设置训练参数; p' r/ _3 V  a1 N8 H6 E% M+ s
    net.trainParam.show = 50;
    & K# V' ^3 }( Q8 R. F: w- }9 wnet.trainParam.lr = 0.05;
    ( [# |8 D/ m  W- H1 m' Rnet.trainParam.mc = 0.9;
    & ~& J/ V% B, Z2 onet.trainParam.epochs = 10000;  %每计算10000次出一次结果
    & C9 k# F" f4 o2 J. t% l# i. dnet.trainParam.goal = 1e-6;     %期望达到的误差(认为是合适的误差)% e! L% v1 _( U) p

    3 S% d( b0 J3 N5 s- i%  调用 TRAINGDM 算法训练 BP 网络
    7 M9 Y1 {1 L0 J# N* t[net,tr] = train(net,P,T);      
    ; X$ _  J' k7 c5 {9 y! n. D/ T7 i! L$ z5 H" V9 R
    %  对 BP 网络进行仿真
    9 [) h% N! @3 Y% q! bA = sim(net,P);                 %A为输出结果
    6 K' h) R# ]) {2 Y' T- s6 p2 F# I* {
    " D+ e$ x# b& S6 t* i$ i+ L! v8 t' U%反归一化5 k' D) U) k( \* P1 ]1 H
    %  A = postmnmx(A,mint,maxt);- `$ G' Y" ]" B- r8 a3 @8 Q

    # a. n3 M4 i) i%  计算仿真误差  & ?2 X3 u( c  i0 S
    E = T-A;                        %原来的输出 - 训练输出 = 误差
    ' k& r0 C: m$ Q6 K# b6 R" bMSE = mse(E)                    %输出误差/ D5 `0 F) U) |. F9 ~# U7 b

    , @1 N; J0 G0 l%下面是输入数据,测试结果: F4 j' n1 P6 N' G
    x=[454.0 655.6 907.0 1112.5 1401.1]';
    2 W  d8 m9 k4 d$ W; pY = sim(net,x)
    . ~! O# b% x6 W& g
    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, 2025-7-20 16:03 , Processed in 0.606664 second(s), 72 queries .

    回顶部