2

我创建了一个神经网络 matlab。这是脚本：

    加载数据.mat；
    输入=数据（：，1：8）'；
    目标=数据（：，9）'；
    隐藏层大小 = 10；
    净=模式网（隐藏层大小）；
    net.inputs{1}.processFcns = {'removeconstantrows','mapminmax', 'mapstd','processpca'};
    net.outputs{2}.processFcns = {'removeconstantrows','mapminmax','mapstd','processpca'};

    净=结构（净）；
    net.inputs{1}.processParams{2}.ymin = 0;
    net.inputs{1}.processParams{4}.maxfrac = 0.02;
    net.outputs{2}.processParams{4}.maxfrac = 0.02;
    net.outputs{2}.processParams{2}.ymin = 0;
    净=网络（净）；

    net.divideFcn = 'divideind';  
    net.divideMode = '样本'; % 划分每个样本
    net.divideParam.trainInd = 1:428;
    net.divideParam.valInd = 429:520;
    net.divideParam.testInd = 521:612;
    net.trainFcn = 'trainscg'; % 缩放共轭梯度反向传播
    net.performFcn = 'mse'; % 均方误差
    net.plotFcns = {'plotperform'，'plottrainstate'，'ploterrhist'，'plotregression'，'plotconfusion'，'plotroc'}；
    净=初始化（净）；
    net.trainParam.max_fail=20;

    [net,tr] = train(net,inputs,targets);

    输出=净（输入）；
    错误= gsubtract（目标，输出）；
    性能=执行（净，目标，输出）

现在我想保存网络的权重和偏差并写出方程。我保存了权重和偏差：

    W1=net.IW{1,1};
    W2=net.LW{2,1};
    b1=net.b{1,1};
    b2=net.b{2,1};

所以，我已经完成了数据预处理，我写了下面的等式

    最大范围=0；
    [y,ps]=removeconstantrows(输入, max_range);

    ymin=0；
    ymax=1；
    [y,ps2]=mapminmax(y,ymin,ymax);

    ymean=0;
    ystd=1；
    y=mapstd(x,ymean,ystd);

    最大压裂=0.02；
    y=processpca(y,maxfrac);

    在=y';

    uscita=tansig(W2*(tansig(W1*in+b1))+b2);

但是使用相同的输入 input=[1:8] 我得到不同的结果。为什么？怎么了？请帮帮我！这一点很重要！

我使用 Matlab R2010B

4

2 回答 2

1

看起来您正在预处理输入而不是后处理输出。后处理使用“逆向”处理形式。（目标是预处理的，所以输出是反向处理的）。

于 2012-01-23T21:54:22.900 回答
-1

这个方程

uscita=tansig(W2*(tansig(W1*in+b1))+b2);

是错的。为什么要写两个tansig？你有 10 个神经元，你应该写 10 次或使用 for i=1:10;

于 2013-08-01T20:03:56.813 回答