计算智能实验四.docVIP

课程名称：计算智能 实验目的及要求 实验目的： 了解BP网络的非线性函数拟合 实验要求： 1、建立一个BP网络拟合所给的非线性函数 2、随机选择所给数据中的1900个作为训练数据，训练BP网络相关参数，用剩下的100个作为测试数据，测试所建立的BP网络的拟合性能 3、对数据进行归一化处理 4、给出预测结果 5、分析预测效果 6、画出图形，包括非线性函数轨迹、期望输出与预测输出的比较、预测误差曲线图等。 实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等） Windows 7 word2010 matlab2010a 实验内容及步骤（包含简要的实验步骤流程） 实验内容：建立BP神经网络拟合非线性函数 ： 1、该非线性函数有两个输入参数、一个输出参数，即输入层含2个节点、输出层一个节点，需要确定的是隐含层层数和相应的节点数（可用公式确定大概的范围，而后实验法确定最后的选择）； 2、BP网络用非线性函数输入输出数据训练神经网络，使训练后的网络能够预测非线性函数的输出。可从所提供的数据中随机选择其中的一部分(如1900组)作为训练数据，剩下的作为测试数据，用于测试网络的拟合性能； 3注意分析预测效果。 实验结果（包括程序或图表、结论陈述、数据记录及分析等，可附页） 1、训练数据与预测数据的提取及归一化 %从1到2000之间随机排序 k=rand(1,2000); [m,n]=sort(k); input_train=input(n(1:1900),:); output_train=output(n(1:1900)); input_test=input(n(1901:2000),:); output_test=output(n(1901:2000)); [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); 2、BP网络训练 net=newff(inputn,outputn,5); net.trainParam.epochs=200; net.trainParam.lr=0.05; net.trainParam.goal=0.000004; net=train(net,inputn,outputn); 3、BP网络预测 input_test=mapminmax(apply,input_test,inputps); an=sim(net,input_test); BPoutput=mapminmax(reverse,an,outputps); 4、结果分析 figure(1) plot(BPoutput,:og) hold on plot(output_test,-*); legend(预测输出,输出) title(’) %预测误差 error=BPoutput-output_test; figure(2) plot(error,-*) title(BP网络预测误差) figure(3) plot((output_test-BPoutput)./BPoutput,-*); title(神经网络预测误差百分比) errorsum=sum(abs(error)) errorsum =3.8735 由以上图像可知网络拟合的曲线与实际数据曲线相似度很高，而且BP网络预测误差图和误差百分比图可知拟合结果与实际结果误差是非常小的，所以我们可以得出结论BP网络的计算结果是可靠的。 实验总结（包括心得体会、问题回答及实验改进意见，可附页） 答：本次实验让我对BP网络拟合非线性函数的原理和计算方法有了一定了解，它不需要求出具体的拟合函数，但是可以比较精确地求出目标值，适用于那些比较复杂的函数。 教师评语 评语 评语等级 优 良 中 及格 不合格 1.实验态度认真，实验目的明确 2.实验方案、程序设计合理 3.实验过程（实验步骤详细，记录完整，数据合理） 4.实验结论正确，分析透彻 5.实验报告独立完成，无抄袭现象，并按时提交，格式规范，文字叙述流畅，逻辑性强 综合评定： 第 1 页 共 5 页