| 查看: 2825 | 回复: 9 | ||||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||||
meatball1982铜虫 (小有名气)
|
[求助]
使用神经网络进行预测 已有2人参与
|
|||
|
mod : 2013年 12月 14日 星期六 10:19:23 CST 大家好，我有一个使用进行神经网络拟合的问题，具体如下 输入是的维数是253, 输出只有一维，输出的值在范围[-567.58 -567.53]的范围内，变化范围只有0.05。 训练的样本大约有4000个， 预测的样本大约有10000个。 数据的维数分别是 dat_in_tr =[4000*253] dat_out_tr=[4000*1] dat_in_pr =[10000*253] dat_out_pr=[10000*1] 我是使用BP神经网络进行预测的。 一个隐层，隐层单元个数为69。 训练的效果还可以，预测的效果也算可以接受。但有一个问题一直解决不了。 就是在预测的时候，在大约10000个点中总是有30个左右的点误差比较大。因为大多数点的误差都在0.01的范围之内。有问题的点的误差的绝对值大于0.01（在图中红色标出。）. 这是这些点，使得我的结果无法被使用。 我现在需要大家帮忙我作下面的一件事。需要满足 01.用神经网络(matlab的工具箱，matlab自己编写程序，C语言均可以)对10000预测样本进行预测。使得所有的点的误差都在0.01之内，误差的std大一点没关系，但不能出现误差大于0.01的情况。 02.预测集中的样本不能被加入到训练集中用于训练网络。 03.如果不用神经网络，也可以用支持向量机or主成分分析or 其它的方法，但要用matlab或c（我暂时只会这两种。） 04.程序要有注释，要有说明文档。 05.很可能在我看不懂注释和程序时，给于说明。 06.程序中需要设置的参数最好是自动找到的，如果不是，请最好给出设置的思路。  x_re_y_annpr.png |
回复此楼» 本帖附件资源列表
-
欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com - 附件 1 : post_on_emuch.tar.gz
2013-12-14 14:46:55, 11.76 M
» 猜你喜欢
288求调剂 一志愿哈工大 材料与化工
已经有16人回复
-
0805求调剂
已经有4人回复
-
求调剂，一志愿北林食品与营养095500，301分，已过六级，有科研经历
已经有3人回复
-
0856材料与化工调剂，339
已经有5人回复
-
311（085601）求调剂
已经有10人回复
-
080200专业277分，求带走！
已经有4人回复
-
359求调剂
已经有6人回复
-
342求调剂
已经有6人回复
-
070300化学279求调剂
已经有10人回复
-
086000生物与医药298调剂求助
已经有5人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 非线性神经网络模型的模型预测控制 程序问题
已经有4人回复
- MATLAB RBF神经网络
已经有14人回复
- 请教：输入数据的维度对神经网络准确度的影响
已经有5人回复
- matlab仿自适应估计，其中一个量怎么调都不趋于稳定
已经有5人回复
- 《神经网络理论与MATLAB7实现》资源分享
已经有255人回复
- 怎么判断目的基因序列中是否含有信号肽~~
已经有11人回复
- bp 网络预测 求助人工神经网络
已经有6人回复
- matlab 的 bp神经网络 预测 问题..小作业..
已经有9人回复
- Matlab人工神经网络工具箱的位置及使用
已经有5人回复
- 【求助】运用BP神经网络训练材料本构模型的一个问题
已经有12人回复
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ...
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 14:03:23
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:50
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 14:03:23
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:50
|
问题1：测试数据可以不用于训练，因为既训练又测试，那样没什么意义。 问题2: 关于cross validation（交叉验证）有很多很多资料，比如：http://en.wikipedia.org/wiki/Cross-validation_%28statistics%29，很多机器学习方面的书籍也都有。至于Bayes regularization，这个方法提及不是很多，但是在机器学习领域，regularization是经常用到的。 |
6楼2013-12-16 12:45:58
2楼2013-12-14 16:03:16
meatball1982
铜虫 (小有名气)
- 应助: 8 (幼儿园)
- 金币: -3.4
- 红花: 8
- 帖子: 297
- 在线: 108.3小时
- 虫号: 1530793
- 注册: 2011-12-09
- 性别: GG
- 专业: 理论和计算化学
3楼2013-12-16 09:27:13
nono2009
超级版主 (文学泰斗)
No gains, no pains.
-
专家经验: +21105 - 应助: 28684 (院士)
- 贵宾: 513.911
- 金币: 2555230
- 散金: 27828
- 红花: 2148
- 沙发: 66666
- 帖子: 1602255
- 在线: 65200.9小时
- 虫号: 827383
- 注册: 2009-08-13
- 性别: GG
- 专业: 工程热物理与能源利用
- 管辖: 科研家筹备委员会
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ...
感谢参与，应助指数 +1
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 12:40:05
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:33
感谢参与，应助指数 +1
meatball1982: 金币+10, ★★★很有帮助 2013-12-16 12:40:05
meatball1982: 金币+80, ★★★很有帮助, 暂时还没解决，但有思路了。 2013-12-26 16:27:33
|
输入是的维数是253, 输出只有一维，隐层单元个数为69 意味着连接权系数（包括阈值）有(253+1)*69+(69+1)*1 = 17596 个，远远多于你的学习样本数。这合适吗？ |
4楼2013-12-16 10:17:07
