BP RBF 神经网络作业文档格式.docx
《BP RBF 神经网络作业文档格式.docx》由会员分享,可在线阅读,更多相关《BP RBF 神经网络作业文档格式.docx(13页珍藏版)》请在冰豆网上搜索。
2013年7月
1、网络结构
图2Elman网络结构图
图3RBF网络结构图
二、网络实现
给定的1000组预测数据中,第7维为预测的目标值,前6维为影响因素。
则可设定输入节点Pn=6,输出节点r=1,利用公式
,其中Pm隐层节点数,Pn为输入节点数,r为输出节点数,L为1-10之间的一个整数。
求得隐层节点数Pm为4-12个。
针对不同的隐层节点数,分别建立模型和进行仿真计算,通过观察训练部数和训练时间,在综合考虑测试误差的基础上选取适合网络的隐层节点数。
本文在给定的1000组预测数据中,选取前990组为训练样本,后10组为测试样本,将给定的数据的前6维提取出来明明Matlab1,后1维提取出来命名为Matlab2,选取BP、Elman、RBF三种神经网络进行预测,学习率采用0.8,目标值定位0.003。
3、用MATLAB对BP神经网络进行训练
>
clearall;
loadmatlab1p;
loadmatlab2t;
input_train=p(1:
990,1:
6)'
;
output_train=t(1:
1)'
inputn_test=p(991:
1000,1:
outputn_test=t(991:
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
net=newff(minmax(inputn),[11,1],{'
tansig'
'
purelin'
},'
trainlm'
);
net.trainParam.epochs=20000;
Lp.lr=0.8;
net.trainParam.goal=0.003;
net=train(net,inputn,outputn);
y=sim(net,inputn);
e=y-outputn;
res=norm(e);
T_test=sim(net,inputn);
a=mapminmax('
reverse'
outputn,outputps);
T_test=sim(net,input2);
output2,outputps2);
eror=T_test-outputn_test;
r=norm(eror);
对于不同的隐层节点数,网络的图像以及范数存在着差异,下表反应了隐层节点数对范数的影响:
隐层节点数为11
隐层节点数为4隐层节点数5
很明显图线太平不收敛
隐层节点数为6
隐层节点数为7
隐层节点数为8
隐层节点数为9
隐层节点数为10
隐层节点数为12
隐层节点数
范数
4
1.8486
9
1.7228
5
1.8276
10
1.7223
6
1.7501
11
1.7232
7
1.7408
12
1.7198
8
1.7203
如上表隐层节点数应该选择12二范数1.7198
4、用MATLAB对Elman神经网络进行训练
[input2,inputps2]=mapminmax(inputn_test);
[output2,outputps2]=mapminmax(outputn_test);
net=newelm(minmax(inputn),[12,1],{'
});
eror=T_test-outputn_test;
r=norm(eror)
隐层节点数对范数的影响:
1.8536
1.7952
1.8208
1.7892
1.8109
1.7658
1.8079
1.7437
1.8021
如上表,采用Elman神经网络时选用的隐层节点数为12.
5、用MATLAB对RBF神经网络进行训练
[inputn,inputps]=mapminmax(input_train);
mse=0.1;
spread=0.5;
net=newrb(inputn,outputn,mse,spread);
运行程序后,得到的范数为1.7394。
参考文献
[1]董长虹.Matlab神经网络与应用[M].北京.国际工业出版社.2007.64-71.
[2]武俊梅,黄翔,邹平辉等.人工神经网络在流体动力式喷水室热工性能研究中的应用[J].流体机械,2000,28
(2):
51-53.
[3]苏高利,邓芳萍.论基于MATLAB语言的BP神经网络的改进算法[J].科技通报,2003,19
(2):
130-135.
[4]武俊梅,苏光辉.人工神经网络在预测流动沸腾曲线中的应用[J].原子能科学技术,2007,41(3):
3152320.
[5]孙琦峰,孙晓峰.基于改进BP神经网络的公路客流量预测[N].2008-11.
[6]严绍瑾,郭光.神经网络BP模型用于月降水预报的研究[N].1995-08.