查看: 3729|回复: 4

[问题求助] 求神经网络大神帮助

字体大小: 正常放大

子任

4 主题	12 听众	360 积分

升级 20%

TA的每日心情

	开心 2016-10-11 16:51

签到天数: 138 天

[LV.7]常住居民III

自我介绍: 比较喜爱数学

电梯直达

^#

发表于 2015-3-20 12:08 |只看该作者 |正序浏览

|招呼Ta 关注Ta

2体力

p=[1 2 3;3 2 1;5 6 1;7 3 1;3 5 2;9 3 5;7 4 2;4 5 6;0 3 4;6 0 1;4 2 3;9 2 7;8 0 1;3 6 2];

a=max(p'); %#ok<UDIM>
for i=1:14
for j=1:3
ptest(i,j)=p(i,j)/a(i);
end
end

p1=ones(1,14);
p2=0.8.*ones(1,14);
p3=0.6.*ones(1,14);
p4=0.4.*ones(1,14);
p5=0.2.*ones(1,14);
p6=0.*ones(1,14);
ptrain=[pl;p2;p3;p4;p5;p6];
t=[100,80,60,40,20,0];

net=newff(minmax(ptrain'),[59,1],{tansig','purelin'},traingd');
net=init(net);
net.trainparam.epochs=100000;
net.trainparam.goal=1e-10;
[net,tr]=train(net,ptrain',t);

for i=1:3
a=ptes(:,i);
score(i)=sim(net,a); %#ok<SAGROW>
end

zan

网络

转播0 淘帖0 分享0 收藏0 支持0 反对0 微信

相关帖子

使用道具举报

子任

4 主题	12 听众	360 积分

升级 20%

TA的每日心情

	开心 2016-10-11 16:51

签到天数: 138 天

[LV.7]常住居民III

自我介绍: 比较喜爱数学

4^#

发表于 2015-3-22 12:09 |只看该作者 |招呼Ta 关注Ta

恩恩，我想做的是一个评估！就是对几个对象做一个评估，得出一个分数
非常感谢你

我也说一句

发表

使用道具举报

QYY1994

40 主题	17 听众	1233 积分

升级 23.3%

TA的每日心情

	奋斗 2015-4-4 20:23

签到天数: 126 天

[LV.7]常住居民III

3^#

发表于 2015-3-21 14:04 |只看该作者 |招呼Ta 关注Ta

这程序是你自己编的吧！你能说说你想做的是什么吗？
我这里有一个小模板，你可以看看，希望对你有用：
clc,clear
sqrs = [20.55 22.44 25.37 27.13 29.45 30.1 30.96 34.06 36.42 38.09 39.13 39.99 ...
41.93 44.59 47.30 52.89 55.73 56.76 59.17 60.63];
%人数单位：万人
sqjdcs = [0.6 0.75 0.85 0.90 1.05 1.35 1.45 1.60 1.70 1.85 2.15 2.20...
2.25 2.35 2.50 2.60 2.70 2.85 2.95 3.10];
%机动车数单位：万辆
sqglmj = [0.09 0.11 0.11 0.14 0.20 0.23 0.23 0.32 0.32 0.34 0.36 0.36...
0.38 0.49 0.56 0.59 0.59 0.67 0.69 0.79];
%公路面积单位：万平方千米
glkyl = [5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024....
19490 20433 22598 25107 33442 36836 40548 42927 43462];
%公路客运量单位：万人
glhyl = [1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524....
11115 13320 16762 18673 20724 20803 21804];
%公路货运量单位：万吨
p = [sqrs;sqjdcs;sqglmj]; %输入数据矩阵
t = [glkyl;glhyl];       %目标矩阵

%%归一化处理
[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t);  %对pt矩阵进行归一化处理
dx = [-1,1;-1 1;-1,1];                      %

%BP网络训练
net = newff(dx,[3,7,2],{'tansig','tansig','purelin'},'traingdx');

%%建立模型，并用梯度下降法训练
net.trainParam.show = 1000;       %轮回显示一次
net.trainParam.Lr = 0.05;          %学习速率
net.trainParam.epochs = 50000;    %最大训练轮回
net.trainParam.goal = 0.65*10^(-3);  %均方误差
net = train(net,pn,tn);             %开始训练

%%利用原始数据对BP网络仿真
an = sim(net,pn);                   %用训练好的模型进行仿真
a = postmnmx(an,mint,maxt);       %把仿真到的数据还原到原始的数量级

%%对比测试
x = 1990:2009;
newk = a(1,:);
newh = a(2,:);
figure(2);
subplot(2,1,1);
plot(x,newk,'r-o',x,glkyl,'b--+');
legend('预测输出客运量','实际客运量');
xlabel('年份');
ylabel('客运量/万人');
title('运用数据箱客运量学习和测试对比图');
subplot(2,1,2);
plot(x,newh,'r-o',x,glhyl,'b--+');
legend('预测输出货运量','实际货运量');
xlabel('年份');
ylabel('货运量/万吨');
title('运用数据箱货运量学习和测试对比图');
%利用训练好的网络进行预测
pnew = [73.39 75.55
3.9635 4.0975
0.9880 1.0268];
pnewn = tramnmx(pnew,minp,maxp);
%利用原始输入数据的归一化参数对新参数进行归一化
anewn = sim(net,pnewn);
%利用归一化后的数据进行仿真
anew = postmnmx(anewn,mint,maxt)
%把仿真得到的数据还原原始的数量级

欢迎交流！