BP神经网络怎样确定传输函数和隐层个数。。。。。?
BP网络一般都是用三层的,四层及以上的都比较少用;
bp神经网络怎么预测多个_bp神经网络怎么预测多个事件
传输函数的选择,这个怎么说,假设你想预测的结果是几个固定值,如1,0等,满足某个条件输出1,不满足则0的话,首先想到的是hardlim函数,阈值型的,当然也可以考虑其他的;
然后,假如网络是用来表达某种线性关系时,用purelin---线性传输函数;
若是非线性关系的话,用别的非线性传递函数,多层网络时,每层不一定要用相同的传递函数,可以是三种配合,可以使非线性和线性,阈值的传递函数等;
compet---竞争型传递函数;
hardlim---阈值型传递函数;
hardlims---对称阈值型传输函数;
logsig---S型传输函数;
poslin---正线性传输函数;
purelin---线性传输函数;
radbas---径向基传输函数;
satlin---饱和线性传输函数;
satlins---饱和对称线性传输函数;
softmax---柔性值传输函数;
tanhsig---双曲正切S型传输函数;
tribas---三角形径向基传输函数;
BP神经网络预测。 2009-2014年数据 3583 4150 5062 4628 5270 5340 预测下2015年数据
BP神经网络预测可以按下列步骤进行:
1、输入和输出数据。
2、创建网络。fitnet()
3、划分训练,测试和验证数据的比例。net.divideParam.trainRatio; net.divideParam.valRatio;net.divideParam.testRatio
4、训练网络。 train()
5、根据图表判断拟合好坏。ploterrcorr();parcorr();plotresponse()
6、预测往后数据。net()
7、画出预测图。plot()
执行下列命令
clear all;close all;clc
%t=2009:2014;
% x为原始序列(行向量)
x=[3583 4150 5062 4628 5270 5340];
% 自回归阶数
lag=2;
%预测年份或某一时间段
t=2015:2016;
n1=length(t);
%预测步数为fn
fn=length(t);
[f_out,iinput]=BP(x,lag,fn)
P=vpa(f_out,5);
[t' P']
% 画出预测图
figure,plot(2009:2014,iinput,'b'),hold on
plot(2014:2016,[iinput(end),f_out],'r'),grid on
title('BP神经网络预测')
得到结果:
[ 2015, 5128.6317232642322778701782226562]
[ 2016, 5100.5797553705051541328430175781]
bp神经网络如何用于预测
用历史样本训练神经网络,然后输入新的数据(向量),就可以得到预测值。
据说负反馈网络训练后好有输出,那个输出就是所谓的预测
说什么都不好使,给你本书《神经网络理论与MATLAB7实现》,上面例子贼多,你可以看看
请高人指点:基于BP神经网络预测程序
编程很简单,matlab中一句语句就可以了。
关键是要先确定模型,即神经网络的拓扑结构。
神经网络拓扑结构:
输入神经元 4个 分别对应于:总推力、刀盘扭矩、掘进速度、注浆量
输出神经元 1个 对应于:沉降值
中间神经元个数根据预测效果而定。(可选2~20,3-8个)
如何用BP神经网络实现预测
BP神经网络具有任意复杂的模式分类能力和优良的函数映射能力,解决了简单感知器不能解决的异或(Exclusive OR,XOR)和一些其他问题。从结构上讲,BP网络具有输入层、隐藏层和输出层;从本质上讲,BP算法就是以网络误平方为目标函数、采用梯度下降法来计算目标函数的小值。
首先要知道你建立的这个模型的内部逻辑关系。。
1,确定隐层数,画出简要模型图。
2,确定采用什么样的神经网络来建立模型
3.通过测试数据来训练模型。。
4.根据测试训练得到的数据和实际数据进行比对,或者算出误。从而修改隐层中的权值和阀值。
反复重复3-4.。后得到一个的模型。
大致是这样。。。楼主说的太概略。。。无法回答清楚请抱歉
bp神经网络训练集的预测输出如何得到
通过数据预测得到。
bp神经网络训练集的预测利用附件1中的相关数据预测附件2中的调价比例,因此将附件1中的数据作为BP的训练集和测试集。对模型进行训练后,将附件2的数据输入到BP当中即可。
BP网络又称反向传播神经网络,通过样本数据的训练,不断修正网络权值和阈值使误函数沿负梯度方向下降。
如何建立bp神经网络预测 模型
建立BP神经网络预测 模型,可按下列步骤进行:
1、提供原始数据
2、训练数据预测数据提取及归一化
3、BP网络训练
4、BP网络预测
5、结果分析
现用一个实际的例子,来预测2015年和2016年某地区的人口数。
已知2009年——2014年某地区人口数分别为3583、4150、5062、4628、5270、5340万人
执行BP_main程序,得到
[ 2015, 5128.631704710423946380615234375]
[ 2016, 5100.5797325642779469490051269531]
代码及图形如下。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至836084111@qq.com 举报,一经查实,本站将立刻删除。