神经网络问题汇总.docVIP

最近看神经网络的书籍时，看了论坛的一些相关帖子，可是还是有些地方不太明白，感觉很多训练函数参数的解释都是一笔带过，我这个初学者有点难理解，epochs是最大训练次数，能否说也是迭代次数，即重复循环次数。lr学习率怎么理解呢？特别是它的数字代表的什么意思呢？能否举例说明，谢谢。min_grad最小梯度要求，针对的是所有函数的梯度？关于梯度这里也有点迷糊，网上把梯度当成导数理解，这样合适吗？还有梯度的计算，为什么要计算梯度呢？这里的梯度指的是所有传递函数的梯度？show显示训练迭代过程，50就代表每隔50次训练，显示一次训练进程，这样理解合适吗？以怎样的方式显示呢？是不是performance每隔50取一个点再连接起来？问题比较基础，也比较多，因为小弟初学者，还请多多理解。谢谢耐心的你，回答我的问题1.epochs理解为最大迭代次数是没问题的2.lr是学习率，这是权值调整过程中用到的一个参数，具体含义还需从权值调整的原理说起3.梯度和学习率一样，如果对算法原理不了解，很难解释清楚4.关于show你的理解是正确的 对于梯度下降可以理解为每次权值和阀值的修改量大小，改动太小了，就可以认为网络收敛，可以停止训练了 请问：用matlab初始化PSO算法的v、x时，一下这两种方式应该都差不多吗？1.v=rand(N,D,1)? ? 2. 用for循环赋值：x(i,j)=rand? ?? ?? ?我在程序中试过最后结果都是N*D的随机矩阵，是不是方法2用for略显繁琐些呢？曾经看过帖子，有人说在matlab下乱用for循环是没有充分利用matlab的矩阵功能，所以我想，是不是在matlab下用1更好些呢？两种方法是完全一样的，第一种没有用循环，所以效果更好点，用循环会增加程序的运行时间请教个问，要得急下图是两类样本，红色的是一类，蓝色的是一类，这样的样本能用吗？楼主能具体解释下数据不，神经网络预测的精确与否与数据有比较大的关系，简单来说，就是输入数据和输出数据存在关联性，因为网络本身可以看成是一个函数的 发表于 2009-11-6 09:07:31 |只看该作者 |倒序浏览 您好史老师,我以前用的是工具箱中newff,train,sim。样本就是这些，训练精度达人满意的效果。现在自已写程序能否达到这个效果？我的样本是实际测量得出的。而且样本的数目根据实际情况已经不可能再增加.谢谢 中午回去给你试下，不过你的数据里面只有训练数据了，没有测试数据了，一般工具箱函数精度高很多，我自己做的BP程序也存在预测效果稍差的问题楼主的问题解决了，应该是加上阀值，不是减阀值，正好反了，另外，建议楼主把输入数据归一化，输出归一不归一无所谓L=[1 2 3 4;5 6 7 8;9 10 11 12]L =? ???1? ???2? ???3? ???4? ???5? ???6? ???7? ???8? ???9? ? 10? ? 11? ? 12 std=corrcoef(L)%相关系数std =? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1? ???1 covL=cov(L)%协方差covL =? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16? ? 16[ 本帖最后由 niuniuyun 于 2009-10-26 17:27 编辑 ] 很多自变量，一个因变量，如何用神经网络进行变量选择，找出和因变量最相关的几个自变量？??用哪些神经网络好呢？原帖由 史峰 于 2009-10-15 17:32 发表 你好，BP和RBF等都应该可以，各种网络间差异应该不是很大，楼主的问题的具体是怎样的呢，能详细描述一下吗，比如数据的输入输出，训练集等等 一共有644个自变量，一个因变量。要在这644个自变量中选择和因变量最相关的。问题就是这样。 pca好像能做。神经网络也可以，可是不知道如何下手。这个得具体问题具体分析，大体的思路是将所有自变量进行分组，所有分组的组合构成搜索空间，利用遗传算法找到最优的分组组合，对应的自变量就是筛选出来的输入变量 for i=1:nRept? ? ? ? net = newff(p_z,t_z,n,{tansig,purelin},traingdx);? ? %net = newff(minmax(p_z),[n,1],{tansig,purelin},traingdx);? ? % 初始化网络