神经网络问题汇总.doc

,这是权值调整过程中用到的一个参数,具体含义还需从权值调整的原理说起
,如果对算法原理不了解,很难解释清楚

对于梯度下降可以理解为每次权值和阀值的修改量大小,改动太小了,就可以认为网络收敛,可以停止训练了
2
请问:用matlab初始化PSO算法的v、x时,一下这两种方式应该都差不多吗?
=rand(N,D,1)    2. 用for循环赋值:x(i,j)=rand         我在程序中试过最后结果都是N*D的随机矩阵,是不是方法2用for略显繁琐些呢?曾经看过帖子,有人说在matlab下乱用for循环是没有充分利用matlab的矩阵功能,所以我想,是不是在matlab下用1更好些呢?
两种方法是完全一样的,第一种没有用循环,所以效果更好点,用循环会增加程序的运行时间
3
请教个问,要得急下图是两类样本,红色的是一类,蓝色的是一类,这样的样本能用吗?
楼主能具体解释下数据不,神经网络预测的精确与否与数据有比较大的关系,简单来说,就是输入数据和输出数据存在关联性,因为网络本身可以看成是一个函数的
4
发表于 2009-11-6 09:07:31 |只看该作者|倒序浏览
您好史老师,我以前用的是工具箱中newff,train,sim。样本就是这些,训练精度达人满意的效果。现在自已写程序能否达到这个效果?我的样本是实际测量得出的。
中午回去给你试下,不过你的数据里面只有训练数据了,没有测试数据了,一般工具箱函数精度高很多,我自己做的BP程序也存在预测效果稍差的问题
楼主的问题解决了,应该是加上阀值,不是减阀值,正好反了,另外,建议楼主把输入数据归一化,输出归一不归一无所谓
5 L=[1 2 3 4;5 6 7 8;9 10 11 12]
L =
     1     2     3     4
     5     6     7     8
     9    10    11    12
>> std=corrcoef(L)%相关系数
std =
     1     1     1     1
     1     1     1     1
     1     1     1     1
     1     1     1     1
>> covL=cov(L)%协方差
covL =
    16    16    16    16
    16    16    16    16
    16    16    16    16
    16    16    16    16
[
本帖最后由 niuniuyun 于 2009-10-26 17:27 编辑]
6很多自变量,一个因变量,如何用神经网络进行变量选择,找出和因变量最相关的几个自变量?  用哪些神经网络好呢?
原帖由史峰于 2009-10-15 17:32 发表
你好,BP和RBF等都应该可以,各种网络间差异应该不是很大,楼主的问题的具体是怎样的呢,能详细描述一下吗,比如数据的输入输出,训练集等等
一共有644个自变量,一个因变量。要在这644个自变量中选择和因变量最相关的。问题就是这样。 pca好像能做。神经网络也可以,可是不知道如何下手。
这个得具体问题具体分析,大体的思路是将所有自变量进行分组,所有分组的组合构成搜索空间,利用遗传算法找到最优的分组组合,对应的自变量就是筛选出来的输入变量
7 for i=1:nRept
   
    net = newff(p_z,t_z,n,{'tansig','purelin'},'traingdx');
    %net = newff(minmax(p_z),[n,1],{'tansig','purelin'},'traingdx');
    % 初始化网络
    %网络设置
  {1}. = 'initnw';
    {1,1}. = 'rands';
    {1,1}. = 'rands';
    net = );
    % 训练网络
  =100;
    =;
    =2000;
    =1e-5;
    [net,tr]=,p_z,t_z);
    %调用TRA