BPRBF神经网络的作业.doc

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