神经网络是什么
初识
【尝鲜】 一个简单的BP神经网络例子
作者 : 老饼 日期 : 2022-06-09 05:04:13 更新 : 2022-10-30 10:15:33
本站原创文章,转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com



本文展示一个matlab2014实现BP神经网络数值预测的例子

通过本实例,更具体的了解BP神经网络用什么用处


笔者语

在接触BP神经网络之前,

很多小伙伴都很心急想知道这是个什么东西,干什么用,

本文不妨先展现一个BP神经网络用于数值预测的例子,用于祭板


   问题   


现有数据如下
 
 
x1, x2 为输入,y 为对应的输出,
现需要训练一个网络,用 x1, x2 预测 y



  01. BP神经网络训练  


下面针对该问题,使用历史数据训练一个BP神经网络,用于预测y


      确定模型结构与训练算法    


                                                                                我们这里采用的网络结构如下
1:节点个数设置: 输入层、隐层、输出层的节点个数分别为[2 ,3,1]。
2:传递函数设置:隐层( tansig函数)。输出层(purelin函数)。
3:训练方式:trainlm。
上面的设置所对应的模型结构拓扑图如下
上面的设置所对应的模型数学表达式如下
 




       借助代码实现模型训练       


通过代码,将数据对上面的网络进行训练,
 下面是matlab2014b的代码实现
x1 = [-3,-2.7,-2.4,-2.1,-1.8,-1.5,-1.2,-0.9,-0.6,-0.3,0,0.3,0.6,0.9,1.2,1.5,1.8];   % x1:x1 = -3:0.3:2;
x2 = [-2,-1.8,-1.6,-1.4,-1.2,-1,-0.8,-0.6,-0.4,-0.2,-2.2204,0.2,0.4,0.6,0.8,1,1.2]; % x2:x2 = -2:0.2:1.2;
y  = [0.6589,0.2206,-0.1635,-0.4712,-0.6858,-0.7975,-0.8040,...
          -0.7113,-0.5326,-0.2875 ,0,0.3035,0.5966,0.8553,1.0600,1.1975,1.2618];    % y: y = sin(x1)+0.2*x2.*x2;

inputData  = [x1;x2];      % 将x1,x2作为输入数据
outputData = y;            % 将y作为输出数据
setdemorandstream(88888);%指定随机种子,这样每次训练出来的网络都一样。

%使用用输入输出数据(inputData、outputData)建立网络,
%隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin,使用trainlm方法训练。

net = newff(inputData,outputData,3,{'tansig','purelin'},'trainlm');

%设置一些常用参数
net.trainparam.goal = 0.0001;               % 训练目标:均方误差低于0.0001
net.trainparam.show = 400;                  % 每训练400次展示一次结果
net.trainparam.epochs = 15000;              % 最大训练次数:15000.
[net,tr] = train(net,inputData,outputData); % 调用matlab神经网络工具箱自带的train函数训练网络

simout = sim(net,inputData);                % 调用matlab神经网络工具箱自带的sim函数得到网络的预测值
figure;                                     % 新建画图窗口窗口
t=1:length(simout);
plot(t,y,t,simout,'r')                      % 画图,对比原来的y和网络预测的y
运行代码后得到训练数据的拟合效果图如下
 
可以看到,对于训练数据,网络的预测与原始数据基本一致




  02. 网络的使用与预测  


上面已经得到训练好的网络,在新的x数据进来时,

就可以借助网络,对y作出预测


     网络应用举例    


如果想知道 x1=0.5, x2=0.5时的值,
可输入如下代码
x    =[0.5;0.5];     
simy = sim(net,x)
命令窗口输出如下
  
    
这样,就得到了输入为 [0.5,0.5] 时,y的预测值
✍️说明
 
实际上sim(net,x)就是调用上面的(1)式的数学函数 




以上就是一个BP神经网络的简单应用例子了





 End 










联系老饼