QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 4114|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
    ( W  W1 E  A8 _9 _# Q) ]& c# D% i
    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。5 H1 \' k4 G7 `+ l
    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。: ]% o; w, _6 e. Y0 D
    ) V4 H8 h; V5 b- Q
    clear1 o; P0 a/ F: N* F( _
    clc
    5 _: F+ y2 t( W5 v%输入数据--以一列作为一个输入数据
    * h  ~8 t7 ?: W+ Ax1=[227.5 286.9 236.3 300.6 243.0];
    " i: m6 X8 ^% o$ }x2=[286.9 236.3 300.6 243.0 354.1];
    ' G) n1 h" S( ?x3=[236.3 300.6 243.0 354.1 294.1];
    ) u, t! P# Z5 d& S* wx4=[300.6 243.0 354.1 294.1 361.4];& ?1 r% l5 w9 l8 O" O) L
    x5=[243.0 354.1 294.1 361.4 333.7];( P) L6 H- J% u3 V1 ?6 ~+ m+ P/ b
    x6=[354.1 294.1 361.4 333.7 426.4];  B4 ?3 N/ K" s1 M$ e$ V/ k
    x7=[294.1 361.4 333.7 426.4 434.4];
    ) l# s" `! ]; T# L+ Dx8=[361.4 333.7 426.4 434.4 449.9];* H$ t/ k: ^6 ]6 b4 X1 `) o5 l/ R# f  t
    x9=[333.7 426.4 434.4 449.9 431.9];
    & I' U5 B& K- I. Z
    3 P0 W- n7 W' E6 e% }) vP=[x1;x2;x3;x4;x5;x6;x7;x8;x9]';
    4 V6 i. m! W1 W7 d%输出数据--以一列作为一个输出数据, J% ]' I( w' M$ R
    y1=[354.1 294.1 361.4 333.7 426.4];
    ; Q! i+ P  A7 x* L  ~1 T" Ey2=[294.1 361.4 333.7 426.4 434.4];
    9 E! t7 r; R% J9 D( p. E9 w3 d$ v  Yy3=[361.4 333.7 426.4 434.4 449.9];5 q9 h4 K, k5 r! m1 z
    y4=[333.7 426.4 434.4 449.9 431.9];  y# E- X2 P- g+ A5 N
    y5=[426.4 434.4 449.9 431.9 454.0];/ q% q7 a5 c9 q- @1 C8 T
    y6=[434.4 449.9 431.9 454.0 655.6];8 B' |0 M1 {/ q4 F+ z
    y7=[449.9 431.9 454.0 655.6 907.0];
    7 t, h+ A6 S* q' b7 W- By8=[431.9 454.0 655.6 907.0 1112.5];4 J  }5 P# U6 _8 X# N0 O2 e
    y9=[454.0 655.6 907.0 1112.5 1401.1];9 u5 F3 s' ]2 k7 U- J- o8 N
    . G( I7 [5 P1 }2 ?8 a5 q. E
    T=[y1;y2;y3;y4;y5;y6;y7;y8;y9]';
    ) a+ T, k- z' S
    ) G& x# D4 m, o! G  w1 l9 j9 t%归一化
    : g1 t( L1 F9 t: w% [P,minp,maxp,T,mint,maxt] = premnmx(P,T);
    2 R0 J: p6 b0 n7 p( K% o: H/ V%建立网络# C9 [/ s6 k8 Z* U9 Z! X: C
    %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0 ~/ `4 Q8 Z" R! m6 I
    %{'tansig','purelin'}与[10,3]对应,意思为隐含层 与 输出层2 z: }# _0 W; ^8 u" e4 @( r  u9 h
    %'traingdm' 表示调整权重,缩小误差的数学函数
    * M) \' }2 I; B2 y4 X%↓创建一个新的前向神经网络  . A2 I+ M7 `  t1 S. Y% H
    net = newff(minmax(P),[6,5],{'tansig','purelin'},'traingdm')
    ; `/ P( A4 l4 X* a0 I& q2 d+ t& v$ m" G2 Q& ?; A, v7 j0 I
    %  当前输入层权值和阈值 ; d  f$ L- U9 A6 Z
    inputWeights = net.IW(1,1)
    & ?+ {9 B& r; r9 k9 sinputbias = net.b(1)( |# J" J% @. i9 d7 P8 c

    ' F5 W& z, x! s" i  h. u%  当前网络层权值和阈值 " }2 L) \5 x1 u7 j
    layerWeights = net.LW(2,1)
    9 T  q0 E# W. }* A" ylayerbias = net.b(2)$ ~) k, |# h" i2 |# v
    2 ^8 L) b* `& t3 k( a2 L
    %  设置训练参数, q$ V! E. Z. D# ?( L0 O0 S, C
    net.trainParam.show = 50;
    $ J9 A! O9 H* @) ~net.trainParam.lr = 0.05;
    ! I; @8 r6 b6 F9 j- nnet.trainParam.mc = 0.9;" c% m4 C( P- z. _& w3 ?4 U
    net.trainParam.epochs = 10000;  %每计算10000次出一次结果" E  L# M" L$ p
    net.trainParam.goal = 1e-6;     %期望达到的误差(认为是合适的误差)* x: f( ?: L. ~
    7 V5 g! k8 H$ V1 p# o
    %  调用 TRAINGDM 算法训练 BP 网络! F  F, e2 y6 a& }4 L' Q% ?) K
    [net,tr] = train(net,P,T);      0 z) n# t1 }# I

    1 ^" I/ G* S% k0 f+ Y( @%  对 BP 网络进行仿真* p- _& S$ Y3 H" b  n
    A = sim(net,P);                 %A为输出结果
    / H1 p7 n# i. J+ S8 M( O+ f& V& |) B+ C
    %反归一化
    # q" P6 X* e. X1 S; M%  A = postmnmx(A,mint,maxt);8 [* e5 M) u6 k( }2 D3 I3 ^$ L) S

    2 i5 V2 [1 t3 K  e5 V  o%  计算仿真误差  
    + n7 U* D3 k6 R$ j  @: sE = T-A;                        %原来的输出 - 训练输出 = 误差- j4 R& r1 Z; k5 l& f" L
    MSE = mse(E)                    %输出误差, K* {" e* [+ s5 l/ w

    " q: Q7 h  r4 e) C$ n%下面是输入数据,测试结果
      M% Z. ]2 \# }( B- R6 _/ nx=[454.0 655.6 907.0 1112.5 1401.1]';8 D7 A$ ]3 y6 \& r/ u, k& x3 y
    Y = sim(net,x)
    & ~6 t  H4 r# f* K
    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, 2026-4-16 00:04 , Processed in 0.450529 second(s), 75 queries .

    回顶部