| 查看: 2432 | 回复: 1 | |||
[求助]
神经网络预测误差大
|
|
求大神帮我分析一下为什么测试样本的误差太大 clear all； p=[5 2 5 1 5 5 5 3 3 4 4 3; 4 1 5 1 5 5 3 3 3 4 4 3; 5 2 1 1 5 5 4 3 3 4 4 3; 4 1 3 4 5 4 5 4 4 4 5 4; 5 2 5 4 5 5 4 4 4 4 5 4; 6 2 5 4 5 5 3 4 4 4 5 4; 4 1 1 5 5 5 1 3 4 4 2 4; 5 2 1 5 5 5 1 3 4 4 2 4; 3 1 3 4 2 3 5 5 5 3 5 4; 4 1 5 4 2 4 4 5 5 3 5 4; 5 2 5 4 5 5 4 5 5 3 5 4; 4 1 3 2 5 4 4 3 3 4 4 4; 5 2 3 2 5 4 4 3 3 4 4 4; 4 1 3 2 5 4 2 3 3 3 3 3; 3 1 3 1 5 3 4 3 3 3 3 3; 5 2 5 3 5 5 1 3 4 4 4 3; 4 1 5 3 5 4 5 3 4 4 4 3; 5 2 3 1 3 5 2 3 4 4 4 3; 5 4 1 4 5 5 4 4 4 5 5 5; 5 1 5 4 5 5 2 4 4 5 5 5; 4 1 3 4 5 4 3 4 4 5 5 5; 4 1 3 3 5 4 4 2 2 4 3 3; 5 1 5 3 5 4 4 2 2 4 3 3; 5 2 1 5 5 5 4 2 3 4 3 4; 5 2 5 5 5 5 4 2 3 4 3 4; 4 1 1 3 5 4 1 4 4 5 3 4; 4 2 3 3 5 3 4 4 4 5 3 4; 5 1 5 3 5 5 2 4 4 5 3 4; 3 1 5 2 5 4 4 2 3 4 3 3; 5 2 5 3 5 5 4 4 3 4 5 4; 4 1 3 3 5 4 1 4 3 4 5 4; 5 2 3 3 5 5 3 5 4 4 5 4; 4 1 5 3 5 4 2 5 4 4 5 4; 5 2 3 3 5 5 1 5 4 4 5 4; 4 1 3 3 5 4 2 4 4 4 5 3; 5 2 5 2 5 5 1 3 5 3 3 3; 4 1 1 4 3 3 4 4 4 4 5 3; 4 2 3 2 5 4 3 4 4 4 5 3; 5 2 5 2 5 5 5 4 4 4 5 3; 2 1 3 3 3 2 2 4 3 4 4 5; 5 1 5 3 5 4 4 4 3 4 4 5; 3 1 3 2 3 2 4 4 5 3 4 2; 5 2 1 2 5 4 2 4 5 3 4 2; 3 1 1 3 3 3 2 5 4 4 3 4; 4 1 5 3 5 4 4 5 4 4 3 4; 5 1 1 2 5 4 2 4 4 3 5 3; 5 2 3 4 5 5 1 2 2 5 2 4; 5 1 5 2 5 4 2 5 5 4 4 3; 5 2 1 2 5 5 2 5 5 4 4 3; 2 1 1 2 4 2 3 5 5 4 4 3; ]; %定义训练样本输入向量 p=p' t=[8903;8513;8333;11445;12486; 16920;7563;8000;11160;12829; 14674;9511;9346;8889;9715; 8788;10707;7888;12500;15910; 14734;6123;6635;8274;8647;9075; 10113;11172;7527;9455;9317; 14063;12228;12786;9301;7077; 9147;9694;10152;10364;11567 8182;8910;10931;10144;9314 6970;10680;9790;10715]; %定义训练样本输出向量 t=t' [pn,minp,maxp]=premnmx(p);%对进行训练的输入样本进行归一化处理 [tn,minP,maxP]=premnmx(t);%对进行训练的输出样本进行归一化处理 s1=25;%隐含层神经元的个数 net=newff(minmax(pn),[25,1],{'logsig','purelin'},'traingdm'); inputWeights=net.IW{1,1}; inputbias=net.b{1}; %当前网络层权值和阂值 layerWeights=net.LW{2,1}; layerbias=net.b{2}; pause clc %设置训练参数 net.trainParam.show=50; net.trainParam.lr=0.05; net.trainParam.mc=0.9; net.trainParam.epochs=5000; net.trainParam.goal=1e-10; pause clc %调用TRA工NBFG算法训练BP网络 [net,tr]=train(net,pn,tn); pause clc A=sim(net,pn) B=postmnmx(A,minP,maxP); %计算仿真误差 E=A-tn %期望误差 MSE=mse(E) pause P2=[3 1 5 2 4 2 3 5 5 4 4 3; 4 1 3 3 5 4 2 4 4 4 4 4; 5 2 5 3 5 5 5 4 4 4 4 4; 5 2 5 5 5 5 4 3 2 4 3 4; 4 1 1 5 5 3 2 3 2 4 3 4; 5 2 3 5 5 5 3 2 3 3 3 3; 5 1 5 5 5 4 4 2 3 3 3 3; 4 1 5 2 5 4 2 4 4 5 4 4; 5 2 5 3 5 5 1 4 4 4 4 4; ]; p2=P2'; p2n=tramnmx(p2,minp,maxp); a2n=sim(net,p2n); a2=postmnmx(a2n,minP,maxP); T2=[11195;9783;10385;8371;8064;7356;7806;10225;8911]; t2=T2'; E2=a2-t2; %期望误差 figure(1) plot(B,'  g')hold on plot(t,'-*'); legend('预测输出','期望输出') title('BP网络预测输出','fontsize',12) ylabel('函数输出','fontsize',12) xlabel('样本','fontsize',12) %预测误差 error=A-tn; figure(2) plot(error,'-.*k'); title('BP网络预测误差','fontsize',12); ylabel('误差','fontsize',12); xlabel('样本','fontsize',12); figure(3) plot((A-tn)./tn,'-.*k'); title('神经网络预测误差百分比'); figure(4) plot(a2,'-ok'); hold on plot(t2,'-.*k'); legend('预测输出','实际输出'); title('BP网络预测输出','fontsize',12); ylabel('函数输出','fontsize',12); xlabel('样本','fontsize',12); figure(5) plot(E2,'-.*k'); title('BP网络预测误差','fontsize',12); ylabel('误差','fontsize',12); xlabel('样本','fontsize',12); figure(6) plot((a2-t2)./t2,'-.*k'); title('神经网络预测误差百分比') ; clc echo off  3.png  untitled.png |
回复此楼» 猜你喜欢
关于Filecode分析方法
已经有11人回复
-
重要来源：本周末出结果
已经有9人回复
-
FileCode能看出啥？
已经有24人回复
-
我的国基提前知道中了，可是同事的操作让我实在接受不了，怎么会有这样的人
已经有14人回复
-
结合人工智能，周易传统文化，filecode打分制来了，3分以上希望很大。
已经有4人回复
-
2019年青年基金涵评意见，大家看看几个A，几个B?
已经有11人回复
-
应该是93bebmhtak前后十一个字符比较关键
已经有36人回复
-
不应该看fileCode
已经有6人回复
-
好奇怪的filecode
已经有6人回复
-
filecode
已经有15人回复
2楼2017-07-05 16:37:38
