资源简介
简单的基于matlab通过BP神经网络进行数据分析,可以设置神经网络的层数和数据库的数据,在代码中已经有了归一化、误差分析和可视化结果
代码片段和文件信息
%% I. 清空环境变量
clear all
clc
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load spectra_data.mat
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR1));
% 训练集——50个样本
P_train = NIR(temp(1:50):)‘;
T_train = octane(temp(1:50):)‘;
% 测试集——10个样本
P_test = NIR(temp(51:end):)‘;
T_test = octane(temp(51:end):)‘;
N = size(P_test2);
%% III. 数据归一化
[p_train ps_input] = mapminmax(P_train01);
p_test = mapminmax(‘apply‘P_testps_input);
[t_train ps_output] = mapminmax(T_train01);
%% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff(p_traint_train9);
%%
% 2. 设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
%%
% 3. 训练网络
net = train(netp_traint_train);
%%
% 4. 仿真测试
t_sim = sim(netp_test);
%%
% 5. 数据反归一化
T_sim = mapminmax(‘re
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
.CA.... 8514 2015-08-03 23:20 html\main.html
.CA.... 2879 2015-08-03 23:20 html\main.png
.CA.... 6883 2015-08-03 23:20 html\main_01.png
.CA.... 1431 2015-08-04 07:59 main.m
.CA.... 171497 2010-10-14 20:24 spectra_data.mat
.C.D... 0 2015-08-03 23:20 html
----------- --------- ---------- ----- ----
191204 6
- 上一篇:如何有效的应用MATLAB作图
- 下一篇:带Mur吸收边界的3DFDTD程序
相关资源
- LBP 纹理模式的LBP特征表示及分类原理
- synchronization 利用matlab仿真实现载波的
- GA_CMAC_BP_BLDCM
- wnn 一个用小波神经网络进行非线性函
- GA-RBF
- pca_knn 本方法采用pca进行特征提取
- ANN_PID6
- PNNpredict19
- LBP 统一化LBP算子
- pso-bp
- Bp 利用Bp神经网络实现的两类分类程序
- TheResearchofOff-linehandwrittenChinesecharact
- BP_Neural_Netwok-Recognition_License_Plate(M
- Cellular-Neural-Network 细胞神经网络(C
-
BP_tanh_linaer BP神经网络Simuli
nk模型。 - darkchannel 用MATLAB实现的darkchannel算法
- mod_demod 在matlab环境下实现通信系统中
-
MethodofFaultDiagnosisforRollingBearingba
se - PIDNN 将人工神经网络用于PID参数调节
- canny 自己实现的canny边缘检测算子
- BP 基于BP神经网络设计分类器
- NSCT-SF-PCNN-ImageFusion-Toolbox
- robot_motion_planning
- img_bp 图像信号的压缩感知重构算法
- matlabpathplanning1
- Image-Restoration-with-BPNN 基于BP神经网络
- pathplann-algorithm
- CNN_Edge_extraction CNN图像边缘检测
- bpcross 一个matlab写的bp人工神经网络程
- darkchannel 用matlab实现了暗通道图像增
评论
共有 条评论