机器学习-学习笔记 学习总结归纳(第十二周)
2017-09-01 19:03
232 查看
BP神经网络
clear; clc; P=[-1 -1 2 2 4;0 5 0 5 7]; T=[-1 -1 1 1 -1]; %利用minmax函数求输入样本范围 net = newff(minmax(P),[5,1],{'tansig','purelin'},'trainrp'); net.trainParam.show=50; %显示训练迭代过程 net.trainParam.lr=0.05; %学习率 net.trainParam.epochs=300; %最大训练次数 net.trainParam.goal=1e-5; %训练要求精度 [net,tr]=train(net,P,T); %网络训练 W1= net.iw{1, 1} %输入层到中间层的权值 B1 = net.b{1} %中间各层神经元阈值 W2 = net.lw{2, 1} %中间层到输出层的权值 B2 = net.b{2} %输出层各神经元阈值 sim(net,P) %利用得到的神经网络仿真
clear; clc; X=-1:0.1:1; D=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609... 0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 -.0988... 0.3072 0.3960 0.3449 0.1816 -0.312 -0.2189 -0.3201]; figure; plot(X,D,'*'); %绘制原始数据分布图(附录:1-1) net = newff([-1 1],[5 1],{'tansig','tansig'}); net.trainParam.epochs = 100; %训练的最大次数 net.trainParam.goal = 0.005; %全局最小误差 net = train(net,X,D); O = sim(net,X); figure; plot(X,D,'*',X,O); %绘制训练后得到的结果和误差曲线(附录:1-2、1-3) V = net.iw{1,1}%输入层到中间层权值 theta1 = net.b{1}%中间层各神经元阈值 W = net.lw{2,1}%中间层到输出层权值 theta2 = net.b{2}%输出层各神经元阈值
相关文章推荐
- 机器学习-学习笔记 学习总结归纳(第四周)
- 机器学习-学习笔记 学习总结归纳(第八周)
- 机器学习-学习笔记 学习总结归纳(第十一周)
- 机器学习-学习笔记 学习总结归纳(第五周)
- 机器学习-学习笔记 学习总结归纳(第十周)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第4周神经网络
- MATLAB学习笔记 学习总结归纳(第二周)
- 机器学习-学习笔记 阶段总结与反思
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第7周支持向量机
- MATLAB学习笔记 学习总结归纳(第一周)
- 面向对象的设计模式的学习笔记,不断学习归纳总结ing
- 机器学习相关方法总结(学习笔记)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周
- Linux正则表达式归纳总结(学习笔记)
- Andrew Ng机器学习课程笔记--week11(图像识别&总结划重点)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归
- MATLAB学习笔记 学习总结归纳(第三周)
- 机器学习-学习笔记 学习总结归纳(第七周)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议