网站大量收购独家精品文档,联系QQ:2885784924

BPRBF神经网络的作业.doc

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人工神经网络作业 神经网络在预测问题中的应用 姓 名 : 田 敏 专 业 : 动力工程 班 级 : 动研124 学 号 : 2201200306 2013年7月 网络结构 二、网络实现 clear all; load matlab1 p; load matlab2 t; input_train=p(1:990,1:6); output_train=t(1:990,1:1); inputn_test=p(991:1000,1:6); outputn_test=t(991:1000,1:1); [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); net=newff(minmax(inputn),[11,1],{tansig,purelin},trainlm); net.trainParam.epochs=20000; Lp.lr=0.8; net.trainParam.goal=0.003; net=train(net,inputn,outputn); y=sim(net,inputn); e=y-outputn; res=norm(e); T_test=sim(net,inputn); a=mapminmax(reverse,outputn,outputps); e=y-outputn; res=norm(e); T_test=sim(net,input2); a=mapminmax(reverse,output2,outputps2); eror=T_test-outputn_test; r=norm(eror); 对于不同的隐层节点数,网络的图像以及范数存在着差异,下表反应了隐层节点数对范数的影响: 隐层节点数为11 隐层节点数为4 隐层节点数5 很明显 图线太平不收敛 隐层节点数为6 隐层节点数为7 隐层节点数为8 隐层节点数为9 隐层节点数为10 隐层节点数为12 隐层节点数 范数 隐层节点数 范数 4 1.8486 9 1.7228 5 1.8276 10 1.7223 6 1.7501 11 1.7232 7 1.7408 12 1.7198 8 1.7203 如上表隐层节点数应该选择12 二范数 1.7198 用MATLAB对Elman神经网络进行训练 clear all; load matlab1 p; load matlab2 t; input_train=p(1:990,1:6); output_train=t(1:990,1:1); inputn_test=p(991:1000,1:6); [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); [input2,inputps2]=mapminmax(inputn_test); [output2,outputps2]=mapminmax(outputn_test); net=newelm(minmax(inputn),[12,1],{tansig,purelin}); net.trainParam.epochs=20000; net.trainParam.goal=0.003; net=train(net,inputn,outputn); y=sim(net,inputn); e=y-outputn; res=norm(e); T_test=sim(net,input2); a=mapminmax(reverse,output2,outputps2); eror=T_test-outputn_test; r=norm(eror) 隐层节点数对范数的影响: 隐层节点数 范数 隐层节点数 范数 4 1.8536 9 1.7952 5 1.8208 10 1.7892 6 1.8109 11 1.7658 7 1.8079 12 1.7437 8 1.8021 如上表,采用Elman神经网络时选用的隐层节点数为12. 用MATLAB对RBF神经网络进行训练 clear all; load matlab1 p; load matlab2 t; input_train=p(1:990,1:6); output_tra

文档评论(0)

dmz158 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档