一、工作流程

　　1、加載數(shù)據(jù)，產(chǎn)生訓(xùn)練集與測(cè)試集（驗(yàn)證集）

　　　　首先加載樣本，其中樣本的輸入叫做：特征（變量），其輸出值叫做：理想值，將樣本分為訓(xùn)練樣本（學(xué)習(xí)所用）和測(cè)試樣本（效果測(cè)試仿真所用）

　　　　需要注意的是樣本矩陣的列代表的是樣本的個(gè)數(shù)，行代表每個(gè)樣本的數(shù)據(jù)

　　　　代碼如下：

　　　　load spectra_data.mat　　　　

　　　　%% 隨機(jī)產(chǎn)生訓(xùn)練集測(cè)試集序列
　　　　temp = randperm(size(attributes,2));
　　　　%產(chǎn)生訓(xùn)練集樣本
　　　　P_train = attributes(:,temp(1:80));%選取前80個(gè)作為訓(xùn)練集樣本
　　　　T_train = strength(:,temp(1:80));
　　　　%產(chǎn)生測(cè)試集樣本
　　　　P_test = attributes(:,temp(81:end));%將80之后的樣本作為測(cè)試集樣本
　　　　T_test = strength(:,temp(81:end));

　　　　%保存測(cè)試集的樣本個(gè)數(shù)

　　　　N = size(P_test,2);

?

　　2、數(shù)據(jù)歸一化處理

　　　　由于輸入數(shù)據(jù)的單位不一樣，所以有些數(shù)據(jù)的范圍可能比較大，導(dǎo)致的結(jié)果可能是神經(jīng)網(wǎng)絡(luò)收斂慢、訓(xùn)練時(shí)間長(zhǎng)

　　　　代碼如下：

　　　　%% 數(shù)據(jù)歸一化處理

　　　　%訓(xùn)練集歸一化

　　　　[p_train,ps_input] = mapminmax(P_train,0,1);
　　　　[t_train,ps_output] = mapminmax(T_train,0,1);
　　　　%測(cè)試集輸入數(shù)據(jù)歸一化
　　　　p_test = mapminmax('apply',P_test,ps_input);? %將訓(xùn)練集的歸一化的“標(biāo)準(zhǔn)”應(yīng)用在測(cè)試集的歸一化上

?

　　3、神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、神經(jīng)網(wǎng)絡(luò)的仿真、仿真結(jié)果的反歸一化

　　　　代碼如下：

?

　　　　%% BP神經(jīng)網(wǎng)絡(luò)創(chuàng)建、訓(xùn)練及仿真測(cè)試
　　　　%創(chuàng)建網(wǎng)絡(luò)
　　　　net = newff(p_train,t_train,9);%創(chuàng)建一個(gè)具有9個(gè)神經(jīng)元的bp神經(jīng)網(wǎng)絡(luò)
　　　　%設(shè)置訓(xùn)練參數(shù)
　　　　net.trainParam.epochs = 1000;%最多循環(huán)次數(shù)為1000次
　　　　net.trainParam.goal = 1e-3;%目標(biāo)誤差小于。。。
　　　　net.trainParam.lr = 0.01;%學(xué)習(xí)率設(shè)定為0.01
　　　　%訓(xùn)練網(wǎng)絡(luò)
　　　　net = train(net,p_train,t_train);
　　　　%仿真測(cè)試
　　　　t_sim = sim(net,p_test);
　　　　%數(shù)據(jù)反歸一化
　　　　T_sim = mapminmax('reverse',t_sim,ps_output);

?

　　4、神經(jīng)網(wǎng)絡(luò)的性能評(píng)價(jià)（相對(duì)誤差計(jì)算、決定系數(shù)計(jì)算）

　　　　代碼如下：　　　　

　　　　%% 性能評(píng)價(jià)
　　　　%相對(duì)誤差
　　　　error = abs(T_sim - T_test)./T_test;
　　　　%決定系數(shù)
　　　　R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - 　　　　(sum(T_test))^2));?

　　5、結(jié)果對(duì)比、繪圖處理

　　　　代碼如下：　　　　

　　　　%% 結(jié)果對(duì)比
　　　　result = [T_test' T_sim' error']

?

　　　　%% 繪圖
　　　　figure
　　　　plot(1:N,T_test,'b:*',1:N,T_sim,'r-o')
　　　　legend('標(biāo)簽','標(biāo)簽')
　　　　xlabel('標(biāo)簽')
　　　　ylabel('標(biāo)簽')
　　　　string = {'標(biāo)題'};
　　　　title(string)

?

轉(zhuǎn)載于:https://www.cnblogs.com/KZLEARNER/p/8641051.html

總結(jié)

以上是生活随笔為你收集整理的Matlab-bp神经网络的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。