matlab神經網絡工具箱

1.輸入nftool;點擊next

2.輸入特征X 和目標值Y如下：【注意按行/按列】

 

 3.設置訓練集/驗證集/測試機比例：【一般默認為0.7：0.15：0.15】

 

 4.設置隱藏層個數：【需要調的參數之一】

 

 5.選擇優化算法：默認如圖；點擊train進行訓練

 

 6.生成圖像：【如圖plots】

 

6.1 performance

橫坐標：訓練結束時的epochs數【神經網絡一次前向傳播+一次反向傳播=一個epoch】

縱坐標：均方誤差

從圖中可以得到：在epochs=5時，驗證集valiadation和測試集test達到最小均方誤差。

 

6.2 training state

橫坐標：epoch

縱坐標：梯度gradient；mu?；val fail？；

梯度：若梯度為0，則為圖像最低點，即最優位置

mu：

val fail：

【validation check=6：若連續六次訓練，訓練誤差沒有變小，則假定繼續訓練下去效果不會變好，停止訓練。】 

6.3 error histogram【誤差直方圖】

橫坐標：誤差區間的中位數；

縱坐標：位於該誤差區間的樣本個數

可以得到：神經網絡的輸出值與樣本原目標值的誤差；

 

6.4 regression【檢驗預測值和目標值的線性化程度？】

橫坐標：樣本原目標值；

縱坐標：神經網絡輸出預測值；

可以得到：原目標值和預測值的相關度；用系數R表示，若R越接近1，則表示線性化程度越高，結果越好。

 

7 另外添加更多的測試集

 

8.生成代&保存訓練結果和網絡

點擊xx script，生成所需要的代碼（m文件）；

 點擊save results，將數據結果和網絡輸出到workspace；

 9.生成代碼如圖所示：

% Solve an Input-Output Fitting problem with a Neural Network
% Script generated by Neural Fitting app
% Created 15-May-2020 10:45:36
%
% This script assumes these variables are defined:
%
%   XXnum - input data.
%   YYnum - target data.

x = XXnum';
t = YYnum';

% Choose a Training Function
% For a list of all training functions type: help nntrain
% 'trainlm' is usually fastest.
% 'trainbr' takes longer but may be better for challenging problems.
% 'trainscg' uses less memory. Suitable in low memory situations.
trainFcn = 'trainlm';  % Levenberg-Marquardt backpropagation.

% Create a Fitting Network
hiddenLayerSize = 10;
net = fitnet(hiddenLayerSize,trainFcn);

% Setup Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% Train the Network
[net,tr] = train(net,x,t);

% Test the Network
y = net(x);
e = gsubtract(t,y);
performance = perform(net,t,y)

% View the Network
view(net)

% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)

 

參考資料：

1.https://blog.csdn.net/ljyljyok/article/details/81362465 Lindsay.Lu,如何利用matlab做BP神經網絡分析,

2. https://blog.csdn.net/weixin_44486547/article/details/93394970 晴松,初探MATLAB神經網絡