神经网络应用课件.pptVIP

[ net, tr, Y1, E ] = train ( net, X, Y ) 2. 网络训练 网络训练 训练跟踪信息 训练后网络 网络实际输出 误差矩阵 网络训练函数 未经训练网络 网络实际输入 网络应有输出 X为n×M矩阵，为输入数据矩阵，M为样本的组数。Y为 m×M矩阵，为输出数据矩阵。 训练结束后，对新的输入点数据X2，调用sim函数进行泛化，得出这些输入点处的输出矩阵Y2. 数据泛化 Y2=sim(net,X2) 用经过训练的网络对于不是样本集的输入，计算出相应的输出。 什么是数据泛化？ 3. 数据泛化 例7-1 由下面的语句生成一组数据 x 和 y，用神经网络进 行数据拟合 x=0:.1:10; y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x); 可知(x, y)是曲线上的点。 x=0:.1:10; y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x); net=newff([0,10],[5,1],{tansig,tansig}); net.trainParam.epochs=1000; net=train(net,x,y