用BP神经网络分析方法繁殖,但结果是远离神经网络的输出。

6视图(30天)

显示旧的评论

凤瑞约5小时前

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/1974994-using-analytical-method-to-reproduce-the-bp-neural-network-but-the-result-is-far-from-the-nn-output

评论道: 凤瑞约5小时前

我的神经网络BP神经网络只有一个隐藏层,8输入和两个输出。激活函数使用tansig purelin。数据预处理后,我通过分析方法计算输出,但结果并不符合我的神经网络。相应的输出变化很大。解析部分的代码如下:

net_iw = net.IW {1};

net_lw = net.LW {2、1};

net_b1 = net.b {1};

net_b2 = net.b {2};

hidden_layer_input = net_iw * inputn_test + repmat (net_b1 1大小(inputn_test ', 1));%输入层到隐层

hidden_layer_output = tansig (hidden_layer_input);

output_layer_input = net_lw * out11 + repmat (net_b2 1大小(out11 ', 1));%隐层到输出层

output_layer_output = output_layer_input;

outputtt = mapminmax ( “反向” 、output_layer_output outputps); %反规范化

net_iw 10 * 8, net_lw是2 * 10,net_b1是10 * 1和净。b2是2 * 1。inputn_test预处理(8 * 50)。

解析结果和净输出如下:

解析结果:

output1:

2.69159690293238 1.78341634846207 3.03348082204192 2.72186633949411 2.89835295902460 1.60588349314246 3.29415007247777 1.13305648083016 2.14352267872297 3.95561042596094

output2:

2.68438944711531 1.77157311041452 3.02879422951740 2.71101974744810 2.89840773288560 1.60062337980671 3.29790625688169 1.12157302861197 2.13889768086690 3.95282274594484

净输出:

output1:

4.63420904586656 0.929943505920446 5.06970322414684 5.01721566802283 0.918391905227599 5.04210717673700 1.38445711281292 1.10733345634916 1.15955303801942 5.11567698264772

output2:

4.62992610274039 0.929487837571965 5.07230727466677 5.01070384962900 0.922926084939946 5.04410525574818 1.38887856241817 1.10614279443780 1.15635048528067 5.11835329717760

或者你可以看到图: