【数学建模】之Matlab实现BP神经网络

点击【拇指笔记】，关注我的公众号。

STEP 1 导入数据。

可以直接导入Excel数据。

[~, ~, raw] = xlsread('C:\sz000004.xlsx','Sheet1','A2:I7');

也可以命令行创建数据，

x = [(-10:0.1:10)];y = [sin(-10:0.1:10)];

STEP 2 启动nftool工具箱

直接在APP里搜索nftool即可。

STEP 3 设置BP神经网络参数

1. 设置训练集输入和标签变量（我这里使用的是第一步里创建的x和y变量）

1. 设置数据类型与占比

trainning：用来训练的数据。 validtion：测量网络泛化的数据（泛化停止改善时停止训练） testing：用来测试神经网络的数据。

1. 设置隐藏层神经单元的数量

一般来说，隐藏层神经单元()和输入层神经单元()、输出层神经单元()之间存在如下的关系。

STEP 4 训练神经网络

这里可以设置训练算法。一般选LM算法

点击进行训练神经网络

STEP 5 检查参数

训练完神经网络后会生成一张训练卡。

给出了学习周期(Epoch)，训练花费的时间(Time)，精度(Performance)，梯度(Gradient)，验证检查(Validation checks).

停止准则：在1000次训练中，如果Performance，Gradient，Mu中的一个达到了目标精度或六次训练误差都没有降低，则停止训练。

这四个进度条哪个满了，就代表根据那一准则停止训练。

STEP 6 绘制训练过程图

训练卡的下半部分是Plots区。

比如第一个，绘制最高精度出现的过程

一般来说第四个(regression)可以看出训练效果，R越接近于1，预测结果越准确。

STEP 7 导出神经网络

一般来说用第二种方式导出。

导出后得到

STEP 8 命令行调用神经网络

首先创建一组新变量x1

x1 = [(10:0.1:30)]

然后调用。

y1 = myNeuralNetworkFunction(x1)

通过神经网络预测的y1

如果神经网络预测结果出现问题，可以通过以下几种方法解决试试。

解决方案：

1.增加样本数量（我的样本数量过少，只有两百个）

2.减少神经元的数量

3.增加训练次数

STEP 9 保存

两种方法（Simple Script和Advanced Script）都可选择，前者简单，后者可拓展性强。

保存完毕后，下一次可以直接运行脚本而无需打开工具箱。