res = xlsread('Copy_of_数据集.xlsx'); % temp = randperm(102); % input=res(temp(1: 80), 2: 6)'; input=res((1: 120), 2: 6)'; output=res((1: 120), 10 :11)'; input_train = input(1:80); output_train =output(1:80); input_test = input(80:100); output_test =output(80:100); %节点个数 inputnum=3; hiddennum=10;outputnum=2; [inputn,inputps]=mapminmax(input_train,-1,1); [outputn,outputps]=mapminmax(output_train,-1,1); net=newff(inputn,outputn,hiddennum,{'tansig','purelin'},'trainlm'); W1= net. iw{1, 1}; B1 = net.b{1}; W2 = net.lw{2,1};%中间层到输出层的权值 B2 = net. b{2};net.trainParam.epochs=15000; net.trainParam.lr=0.001; % 学习速率,这里设置为0.01 net.trainParam.goal=0.01; net=train(net,inputn,outputn);inputn_test=mapminmax('apply',input_test,inputps);an=sim(net,inputn_test); test_simu=mapminmax('reverse',an,outputps);error=test_simu-output_test; figure('units','normalized','position',[0.119 0.2 0.38 0.5]) plot(output_test/100,'bo-') hold on plot(test_simu/101,'r*-') hold on % plot(error,'square','MarkerFaceColor','b') % legend('理论位姿','期望位姿','误差') legend('理论位姿','期望位姿') xlabel('数据组数') ylabel('样本值') % title('BP神经网络测试集的预测值与实际值对比图') an = mapminmax('reverse', an, outputps); output_test = mapminmax('reverse', output_test, outputps); % 将真实结果反归一化 figure; plot(output_test(1,:), 'b-o'); hold on; plot(an(1,:), 'r-*'); legend('真实结果', '预测结果'); xlabel('样本编号'); ylabel('输出值'); title('预测结果和真实结果'); [c,l]=size(output_test);帮我绘制神经网络结构图中的输入层的神经元个数为3
时间: 2023-12-22 08:03:06 浏览: 144
Matlab实现随机森林算法的数据分类预测(完整源码和数据)_
5星 · 资源好评率100%
好的,我们可以使用MATLAB自带的`view`函数来绘制神经网络结构图。以下是一个简单的示例代码,其中输入层神经元的个数为3:
```matlab
% 节点个数
inputnum = 3;
hiddennum = 10;
outputnum = 2;
% 创建神经网络
net = feedforwardnet(hiddennum);
net.layers{1}.transferFcn = 'tansig'; % 中间层使用tansig激活函数
net.layers{2}.transferFcn = 'purelin'; % 输出层使用purelin激活函数
% 配置训练参数
net.trainParam.epochs = 15000;
net.trainParam.lr = 0.001;
net.trainParam.goal = 0.01;
% 准备数据
res = xlsread('Copy_of_数据集.xlsx');
input = res((1:120), 2:6)';
output = res((1:120), 10:11)';
[inputn, inputps] = mapminmax(input, -1, 1);
[outputn, outputps] = mapminmax(output, -1, 1);
input_train = input(1:80);
output_train = output(1:80);
input_test = input(80:100);
output_test = output(80:100);
% 训练神经网络
net = train(net, inputn, outputn);
% 绘制神经网络结构图
view(net);
% 对测试集进行预测
inputn_test = mapminmax('apply', input_test, inputps);
an = sim(net, inputn_test);
test_simu = mapminmax('reverse', an, outputps);
error = test_simu - output_test;
```
在这个示例代码中,我们使用了`feedforwardnet`函数创建了一个前馈神经网络,并使用了`tansig`和`purelin`作为中间层和输出层的激活函数。然后使用`view`函数绘制了神经网络结构图,其中输入层神经元的个数为3,中间层神经元的个数为10。
阅读全文