建模與仿真神經(jīng)網(wǎng)絡(luò)-在線瀏覽
2025-07-13 07:59本頁面
【正文】 2/6/23 ?模型建立 ?依據(jù)原則 （ 1）網(wǎng)絡(luò)規(guī)模持平于樣本集大小 （ 2） 輸入層、 隱層的結(jié)點(diǎn)數(shù)比例為 2:1 （ 3） 運(yùn)算簡單、易于理解 神經(jīng)網(wǎng)絡(luò)方法 17/35 2022/6/23 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu) ?模型結(jié)構(gòu)步驟 一 ?三層 BP網(wǎng)絡(luò)結(jié)構(gòu) ?輸出節(jié)點(diǎn)數(shù)為 1 ?模型結(jié)構(gòu)步驟二 ?訓(xùn)練樣本數(shù) 76 ?輸入節(jié)點(diǎn)數(shù)為 7 ?隱層采用 S型傳遞函數(shù) ?采用標(biāo)準(zhǔn)訓(xùn)練、權(quán)值、性能函數(shù) 18/35 2022/6/23 網(wǎng)絡(luò)模型結(jié)構(gòu) ?網(wǎng)絡(luò)結(jié)構(gòu)模型 網(wǎng)絡(luò)模型 層數(shù) 節(jié)點(diǎn)數(shù) 傳遞函數(shù) 輸入層 7 正切函數(shù) 線性函數(shù) 隱含層 10 輸出層 1 訓(xùn)練函數(shù) ： traingdx 網(wǎng)絡(luò)權(quán)值、誤差學(xué)習(xí)函數(shù) ： learngdm 網(wǎng)絡(luò)性能函數(shù) ： mse ?是否是最好的選擇方式 19/35 2022/6/23 神經(jīng)網(wǎng)絡(luò)預(yù)測 ?工作步驟 ?初始化網(wǎng)絡(luò)權(quán)值矩陣和神經(jīng)元閾值矩陣 ?提供學(xué)習(xí)樣本 ?計(jì)算網(wǎng)絡(luò)實(shí)際輸出和隱層神經(jīng)元輸出 ?計(jì)算誤差對各層的影響 ?修正權(quán)值和閾值 ?計(jì)算網(wǎng)絡(luò)輸出誤差 ?判斷誤差是否滿足要求 ?結(jié)束訓(xùn)練 20/35 2022/6/23 神經(jīng)網(wǎng)絡(luò)程序?qū)崿F(xiàn) ?MATLAB神經(jīng)網(wǎng)絡(luò)工具箱 ?主 要 程 序 設(shè) 計(jì) Net=newff(PR,[S1,S2],{TF1,TF2},BTF,BLF,PF)。 ?PR = minmax(Original_data)。 %分別為網(wǎng)絡(luò)隱層、輸出層神經(jīng)元個(gè)數(shù) ?TF1 、 TF2。 %分別為網(wǎng)絡(luò)訓(xùn)練函數(shù)、學(xué)習(xí)函數(shù)和性能函數(shù) 21/35 2022/6/23 ?MATLAB神經(jīng)網(wǎng)絡(luò)工具箱 ? = ‘
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1