2009-9-18Matlab 做引擎总结
1. 我用 matlab 的神经网络函数编写了一个 m 文件，
主要语句就是 net=new(threshold,[5,4],{....});
new=train(net,p,t);
然后调用训练数据进行训练。但偶然发现，就是调用同一批数据进行多次训练时，得出的训练
次数和误差曲线等也不一样。就是怎么回事？
特求助高手指点。
/*
预测结果不一样是正常的,每次结果不一样才可能找到理想的结果
因为初始权值是通过随机取值所得，每次训练都重新随机取值，当然训练结果就不一样，
你挑一个训练结果最好的网络用来仿真就行了。或者你的初始权值矩阵不要随机取值。
找到好的结果就进行保存 save lename net
So perfect
1、 我知道的目前一般的神经网络，尤其是前馈网络可以做的是两方面的问题：分类和函数拟
合（包括预测）。当然，hopfield 网络还具有联想记忆功能，可以做一些相关的事情。
2、我觉得神经网络还处于初期阶段，很多问题，尤其是规模大或者要求精度高的问题，还
是解决不了的，不要总是怀疑自己是不是程序错了或者有什么问题之类的。（说实话，我
觉得神经网络进入工程还有很长的路要走。做论文还可以，呵呵）
3、一般来说，前馈网络的样本都是要采取归一化的，原因是样本的数量级差太大的话会出
现大样本吞吃小样本的现象，使得数量小的那一维样本不起作用。
4、神经网络的训练训练的是权值，也就是说，每次训练把所有的样本都输入，计算总的误
差，根据这个误差关于权值的导数修改权值（负梯度*学习率）。也就是说，样本是用来寻
找规律的，而神经网络还是很笨的，不可能学一次就学会，要反复的学才行，而且是学了
后面的忘了前面的（呵呵）。
5、4 中所说的训练方法就是离线梯度法，而在线梯度法是指每次输入一个样本，根据这一
个样本计算误差，然后用这个误差的关于权值的导数修改权值（这样是对梯度法的近似），
这种方法对于规模比较大的问题可以起到减小计算量的作用。
6、用神经网络的目的是找到规律后用它去分类，去预测（不是训练，训练只是手段）。神
经网络训练好了以后权值就不再动了，再输入样本后就用训练好的神经网络去分类，去预
测，你可能会发现有一些分类错了（或是预测错了），这是正常的，它的能力是有限的，
我们只要求它达到某一个正确率就可以了。
7、很多人会说，我用神经网络作的，两次结果不一样，这是正常的，一样才是不正常的，
zhangmingyue
- 粉丝: 1
- 资源: 4
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
会员权益专享
最新资源
- RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论1