第5章 人工神经网络_matlab工具箱.ppt

4 实例：多元神经网络预测 实验号 臭氧浓度(mg/L) 入口UV254 UV254去除率(%) 1 1.16 0.116 50.2 2 1.35 0.104 59.5 3 1.72 0.078 58.8 4 1.86 0.107 66.2 5 1.97 0.136 65.5 6 2.15 0.082 64.5 7 2.23 0.125 73.6 8 2.48 0.076 76.4 9 2.79 0.122 78.5 10 2.85 0.092 79.2 11 3.07 0.081 81.4 12 3.45 0.068 90.3 13 3.59 0.077 93.1 14 3.80 0.108 98.2 15 3.93 0.128 97.3 16 4.14 0.063 98.1 17 4.46 0.135 97.3 18 4.55 0.070 98.8 19 4.84 0.126 96.9 20 5.03 0.087 98.6 训练样本 实验号 臭氧浓度(mg/L) 入口UV254 UV254去除率(%) 1 1.42 0.086 58.1 2 2.51 0.071 78.8 3 3.21 0.107 89.6 4 4.29 0.096 96.5 5 5.24 0.65 97.8 检验样本 网络分为4层。各层节点数分别为：输入层2个；第一隐层12个；第二隐层6个；输出层1个。 输入层 输出层 隐层1和2 BP网络模型 臭氧浓度 入口UV254 UV254去除率 网络结构 模型的参数 数据预处理，输入数据和输出数据都规格化为0到1: 最大训练步数 net.trainParam.epochs=100000 收敛误差界值 net.trainParam.goad=0.0001 BP网络训练误差曲线 UV254值 臭氧浓度 mg/L UV254去除率，％ 网络模型 实验号 ? 臭氧 ?(mg/L) UV254去除率(%) 相对误差（%） 实测值 网络预测值 1 1.42 58.1 49.3 -15.1 2 2.51 78.8 76.6 -2.85 3 3.21 89.6 81.9 8.62 4 4.29 96.5 97.7 1.25 5 5.24 97.8 97.1 0.7 模型预测结果与实测值比较 5 实验：神经网络分类 模式识别讲义第5章 人工神经网络 嘉应学院 — matlab神经网络工具箱 主要内容 0 引例:神经网络函数拟合(预测) 1 matlab神经网络工具箱 2 人工神经网络(ANN)简介 3 前馈神经网络(BP网络) 4 实例：多元神经网络预测 5 实验：神经网络分类 0 引例:神经网络函数拟合(预测) 试构造合适的神经网络模型拟合如下数据点,并预测x=10的值: x 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 y 0 0.43 0.69 0.74 0.61 0.36 0.08 -0.17 -0.34 -0.4 x 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 y -0.35 -0.23 -0.08 0.06 0.16 0.21 0.2 0.15 0.07 -0.01 matlab代码 x=0:0.5:9.5; y=[0, 0.43, 0.69, 0.74, 0.61, 0.36, 0.08, -0.17, -0.34, -0.4, -0.35, -0.23, -0.08, 0.06, 0.16, 0.21, 0.2, 0.15, 0.07]; net = newff([0,9.5],[5, 1]); net.trainParam.epochs=100; net.trainParam.goad=0.000001; net = train(net,x,y); x1=0:0.1:10; y1=sim(net,x1); figure; plot(x,y,.);hold on; plot(x1,y1,r); ∑ f ∑ f ∑ f ∑ f ∑ f ∑ f x y w11 w12 w13 w14 w15 w21 w22 w23 w24 w25 b1 b2 b3 b4 b5 b 网络结构 y = f(w21*f(w11*x+b1) + …+ w25*f(w15*x+b5)+ b ) w1=net.IW{1}; w2=net.LW{2}; b1=net.b{1}; b2=net.b{2}; a = tansig(w1*x0 + b1); y = tansig(w2*a + b2) Sigmoid函数 1 matlab神经网络工具箱 1.1 网络数据对象的建立 net=newff([xm,xM