自己写的BP神经网络拟合曲线的例子

hbgskick

这个简单的程序是为了了解下BP网络对多次曲线的拟合能力，来看看其能力到底如何.
clc
clear
p=-1:0.1:1;
t=[-0.96 -0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 -0.201 -0.434 -0.5 -0.393 -0.1647 0.0988 0.3072 0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201];
%输入数据，为任意一高次曲线上所取的21个点，为图中的红点
net=newff(minmax(p),[5,15,1],{'tansig','logsig','purelin'},'traingd'); %采用三层神经网络
net.trainParam.epochs=1000;        %训练次数，本例分别取了1000，5000，10000三种
net.trainParam.goal=9.5238e-0016;  %误差目标
net.trainParam.lr=0.2              %学习速率，不宜过大，否则发散
%net.iw{1,1}=[ 6.9425 -7.0343 6.9925 -6.9994 7.0521]';   %初始权值，可以设定初始值直接使用
%net.lw{2,1}=[0.3603 -0.1654 -0.1746 -0.0214 0.2173];
%net.b{1,1}=[-7.0574 3.4264 0.0017 -3.4974 6.9461]';     %初始偏置值
%net.b{2,1}=[0.2160]
[net,tr]=train(net,p,t);                                 %训练网络
y=sim(net,p);                                            %用训练好网络计算
plot(p,t,'ro')
plot(p,t,'ro',p,y)
xlabel('输入值');ylabel('输出值');
legend('原始数据','训练1000次');

以上是修改训练次数对网络精度的影响，同时可以适当修改网络的学习速率，提高网络的收敛速度。对于已经训练好的网络，还可以保存其权值和偏置值，如程序中net.iw{1,1}和net.b{1,1}，以便下次可以直接调用。

messenger

举例子最好将来龙去脉交带清楚。比如就本例而论，需要拟合的模型、拟合后的模型，以及最后的结果（最好有图），即lz提到的“来看看其能力到底如何“，都写一下就最好了，这样的加分也会多一些。

hbgskick

谢谢版主意见！

linuxp

请问我的数据X=[12000.0 10000.0 8000.00 6000.00 5000.00 4000.00 3000.00 2500.00 2000.00 1500.00 1200.00 1000.00 800.000]
Y=[0.00303 0.00310 0.00317 0.00325 0.00330 0.00333 0.00326  0.00301 0.00312 0.00371 0.00435 0.00496 0.00581]  怎么按你的方法进行拟合，得到你的效果行不？

hbgskick

对于你这组数据需要先归一化，如下:
clc
clear
X=[12000.0 10000.0 8000.00 6000.00 5000.00 4000.00 3000.00 2500.00 2000.00 1500.00 1200.00 1000.00 800.000];%输入
Y=[0.00303 0.00310 0.00317 0.00325 0.00330 0.00333 0.00326  0.00301 0.00312 0.00371 0.00435 0.00496 0.00581];%输出
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(X,Y);%归一化
p=Pn;
t=Tn;
net=newff(minmax(p),[150,15,1],{'tansig','logsig','purelin'},'traingd');
net.trainParam.epochs=1000;
net.trainParam.goal=9.5238e-0016;
net.trainParam.lr=0.2

%net.iw{1,1}=[ 6.9425 -7.0343 6.9925 -6.9994 7.0521]';
%net.lw{2,1}=[0.3603 -0.1654 -0.1746 -0.0214 0.2173];
%net.b{1,1}=[-7.0574 3.4264 0.0017 -3.4974 6.9461]';
%net.b{2,1}=[0.2160]

[net,tr]=train(net,p,t);
y=sim(net,p);
plot(p,t,'ro')

plot(p,t,'ro',p,y)

xlabel('输入值');ylabel('输出值');
legend('原始数据','训练1000次');

ansys平安

请教一下楼主 学习速率在什么范围之内比较合适？

hbgskick

学习速率没有一定的标准，一般的只要你训练的时候误差是收敛的就行了。一般的情况下，如果不收敛的话，你就需要调整学习速率，适当的减小。我看到一些书上建议不要大于0.4的，忘了是那本书了。但我觉得一般视情况而定，如果数据不多，用不了多长时间，还是把速率调小些为好，这样不会跳过一些收敛域。
当然，你也可以试试自适应的速率，或附加惯动量法。

starbinbin_csu

我一直有一个疑问，就是神经网络对曲线进行拟合后能不能得到曲线的近似表达式呢？如果不能的话，这种拟合有什么意义呢？

hymalayas

是啊，我也有这样的疑问，这样拟合出来，有什么用呢？

麻烦lz给解释一下，谢谢了

subway96

可以的
权值和阀值、转换函数，就确定了一个解析的表达式。

cat0924

拟合之后如何显示曲线的函数表达啊 具体是什么语句？

zhengxing2000

5# hbgskick


你好，为什么在做仿真的时候要对数据进行归一化处理？一般在什么情况下需要归一化处理？这个不明白，希望指点。谢谢。

liushuangq05

这个例子是 丛爽老师书上的, 希望楼主以后给予引用出处!

cat0924

可以的
权值和阀值、转换函数，就确定了一个解析的表达式。
subway96 发表于 2010-8-31 06:30

请问具体用什么语句能把拟合的曲线表达成函数关系式？谢谢

heyang854963

14# cat0924 我也非常想知道，到底用什么样的语句可以输出这个函数！求大仙指教！！感激不尽！

asd993415

这这就是画图嘛~