目錄

• • 人工神經(jīng)網(wǎng)絡
  • 神經(jīng)網(wǎng)絡分類
  • BP神經(jīng)網(wǎng)絡
  • 代碼實現(xiàn)

人工神經(jīng)網(wǎng)絡

??????人們利用數(shù)學模型來模仿生物神經(jīng)元傳遞信息以及做出決策等等。
??????下圖神經(jīng)網(wǎng)絡數(shù)學模型可以等效為輸入矩陣X與系數(shù)矩陣W相乘并加上偏置項求和，并利用激活函數(shù) f（） 進行映射，從而得到輸出。其中，系數(shù)矩陣W和偏置項是需要我們利用訓練集數(shù)據(jù)進行調(diào)整優(yōu)化，使得整個網(wǎng)絡能完成特定任務。

神經(jīng)網(wǎng)絡分類

按照連接方式，可以分為：前向神經(jīng)網(wǎng)絡 和 反饋（遞歸）神經(jīng)網(wǎng)絡

按照學習方式，可以分為：有監(jiān)督學習神經(jīng)網(wǎng)絡 和 無監(jiān)督學習神經(jīng)網(wǎng)絡

按照實現(xiàn)功能，可以分為：擬合（回歸）神經(jīng)網(wǎng)絡 和 分類神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡時人工神經(jīng)網(wǎng)絡的一種，屬于有監(jiān)督學習，主要流程：

準備數(shù)據(jù)集，搭建網(wǎng)絡模型，參數(shù)初始化

正向傳播，計算結(jié)點輸出值

反向傳播，計算每個結(jié)點誤差，調(diào)整權(quán)值參數(shù)

直至網(wǎng)絡收斂到規(guī)定值

正向傳播：

反向傳播，計算誤差


調(diào)整權(quán)值W ------> W’

代碼實現(xiàn)

利用MATLAB代碼（含詳細注釋）實現(xiàn)BP神經(jīng)網(wǎng)絡，其中最為核心的就是newff()函數(shù)，大家可以看看源碼（在命令執(zhí)行窗口中輸入edit newff），其實就是上述流程的數(shù)學推導計算：

% I. 清空環(huán)境變量 clear all clc% II. 訓練集/測試集產(chǎn)生 % 1. 導入數(shù)據(jù)集，可以替換為自己的數(shù)據(jù)集 load spectra_data.mat% 2. 隨機產(chǎn)生訓練集和測試集 temp = randperm(size(NIR,1)); % 訓練集——50個樣本，P為輸入數(shù)據(jù)，T為對應輸入數(shù)據(jù)的輸出結(jié)果 P_train = NIR(temp(1:50),:)'; T_train = octane(temp(1:50),:)'; % 測試集——10個樣本 P_test = NIR(temp(51:end),:)'; T_test = octane(temp(51:end),:)'; N = size(P_test,2);% III. 數(shù)據(jù)歸一化 [p_train, ps_input] = mapminmax(P_train,0,1); p_test = mapminmax('apply',P_test,ps_input);[t_train, ps_output] = mapminmax(T_train,0,1);% IV. BP神經(jīng)網(wǎng)絡創(chuàng)建、訓練及仿真測試 % 1. 創(chuàng)建網(wǎng)絡，[9,9]意思為網(wǎng)絡含有兩個隱藏層，每層有9個單元 net = newff(p_train,t_train,[9,9]);% 2. 設置訓練參數(shù) net.trainParam.epochs = 1000;%訓練批次 net.trainParam.goal = 1e-12;%訓練目標，誤差小于1e-12即結(jié)束訓練 net.trainParam.lr = 0.01;%設置學習率 %另外也可以設置其他訓練參數(shù)，可看newff()函數(shù)介紹手冊% 3. 訓練網(wǎng)絡 net = train(net,p_train,t_train);% 4. 仿真測試 t_sim = sim(net,p_test);% 5. 數(shù)據(jù)反歸一化 T_sim = mapminmax('reverse',t_sim,ps_output);% V. 性能評價 % 1. 相對誤差error error = abs(T_sim - T_test)./T_test;% 2. 決定系數(shù)R^2 R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((T_test).^2) - (sum(T_test))^2)); % 3. 結(jié)果對比 result = [T_test' T_sim' error']% VI. 繪圖 figure plot(1:N,T_test,'b:*',1:N,T_sim,'r-o') legend('真實值','預測值') xlabel('預測樣本') ylabel('xxxx') string = {'xxxxxx預測結(jié)果對比';['R^2=' num2str(R2)]}; title(string)

這是matlab中建立的網(wǎng)絡模型簡圖

結(jié)果圖：

總結(jié)

以上是生活随笔為你收集整理的机器学习（一）：BP神经网络（含代码及注释）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。