创建和训练一个前馈神经网络
我们在officepeak中发表了一个例子文件这向您展示了如何训练前馈神经网络以预测温度。前馈神经网络是最简单的人造网络之一,但在物联网中具有广泛的应用。前馈网络由一系列层组成。第一层与网络输入有连接。彼此层具有与前一层的连接。最终层产生网络的输出。在IOT应用程序中,输出将是预测的温度。
IOT应用程序
我们在一个ThingSpeak通道中收集数据,并将使用集成的MATLAB分析。为了预测温度,这个例子利用神经网络工具箱在Matlab中以及收集的数据截图通道。我们将使用位于马萨诸塞州纳蒂克的MathWorks办公室的气象站收集的数据。
创建,培训和使用前馈网络来预测温度的过程如下:
- 从气象站收集数据
- 创建两层前馈网络
- 训练前馈网络
- 使用训练有素的模型来预测数据
从气象站读取数据截图通道
截图渠道12397包含Mathworks气象站的数据,位于马萨诸塞州Natick。数据每分钟收集一次。场2,3,4和6分别包含风速(MPH),相对湿度,温度(F)和大气压(HG)数据。要从MATLAB中的气象站读取数据,请使用thingSpeakRead功能。
data = thingSpeakRead (12397'田野',[2 3 4 6],'日期范围',[约会时间('2018年7月30日'),约会时间('2018年7月31日'),...'输出格式'那“表”);
创建双层前馈网络
使用feedforwardnet命令功能创建一个两层前馈网络。该网络有一个包含10个神经元的隐层和一个输出层。
网= feedforwardnet (10);
训练前馈网络
使用火车功能训练前馈网络。
[NET,TR] =火车(网络,输入,目标);
使用训练有素的模型来预测数据
培训并验证网络后,您可以使用网络对象计算对任何输入的网络响应。
=净输出(输入(:,5))
输出= 74.9756
此示例可以适应其他IOT应用程序。查看截止点文件用于代码和解释。
注释
请点击留下评论在这里登录到你的MathWorks帐户或创建一个新的。