matlab解决线性神经网络问题

博主是MATLAB和神经网络的初学者，也是首次撰写博客。

刚开始研究神经网络，出现了很多问题，但是查询了很多资料也找不到答案。这里分享我解决问题所学习到的知识。

问题很简单： excel随机生成50组，每组3个-1到1的随机数。（省的考虑归一化的问题）result是3个输入的和。

input1	input2	input3	result
0.699522	-0.21806	-0.11718	0.364281
0.107202	0.391985	-0.61678	-0.11759
-0.98422	-0.081	0.11573	-0.94949
-0.15667	0.118392	-0.58789	-0.62617
-0.37764	-0.29995	-0.62596	-1.30354
0.29992	-0.68941	-0.59552	-0.98501
0.900928	0.016055	0.872796	1.789778
0.909256	0.373775	-0.83405	0.448985

前30个做训练，20个做测试。

lc
clear
close all

num = xlsread('D:\matlab\b.xlsx');

inputtrain = zeros(30,3);
inputtrain(1:30,:) = num(1:30,1:3);
resulttrain(1:30,1) = num(1:30,4);

inputtest = zeros(10,3);
inputtest(1:20,:) = num(31:50,1:3);
inputtest=inputtest';
inputtrain=inputtrain';
resulttrain=resulttrain';
%建立相应的BP网络
 net=newff(minmax(inputtrain),[3,1],{'logsig','tansig'},'traingdx');%tansig,purelin
 
%对没有训练的网络仿真
 %y1=sim(net,p);
%训练网络
 net.trainParam.epochs=2000;
 net.trainParam.lr=0.00001;
 net.trainParam.goal=0.00001;
 net=train(net,inputtrain,resulttrain);
 
 ty=sim(net,inputtest);
 train1=sim(net,inputtrain);
 ty=ty';
 plot(ty(:,1),'ro')
 hold on
plot(num(31:50,4),'k')
hold off

如此简单的程序，训练收敛的非常快，测试结果也不尽如人意。

后来发现

 net=newff(minmax(inputtrain),[3,1],{'logsig','tansig'},'traingdx');%tansig,purelin

是传递函数选择的问题，面对线性问题如果选用purelin作为传递函数效果就好得多

下面列出全部代码

clc
clear
close all

num = xlsread('D:\matlab\b.xlsx');

inputtrain = zeros(30,3);
inputtrain(1:30,:) = num(1:30,1:3);
resulttrain(1:30,1) = num(1:30,4);

inputtest = zeros(10,3);
inputtest(1:20,:) = num(31:50,1:3);
inputtest=inputtest';
inputtrain=inputtrain';
resulttrain=resulttrain';
%建立相应的BP网络
 net=newff(minmax(inputtrain),[3,1],{'purelin','purelin'},'traingdx');%tansig,purelin
 
%对没有训练的网络仿真
 %y1=sim(net,p);
%训练网络
 net.trainParam.epochs=2000;
 net.trainParam.lr=0.00001;
 net.trainParam.goal=0.00001;
 net=train(net,inputtrain,resulttrain);
 
 ty=sim(net,inputtest);
 train1=sim(net,inputtrain);
 ty=ty';
 plot(ty(:,1),'ro')
 hold on
plot(num(31:50,4),'k')
hold off
  
 

训练的结果：

效果明显好多了，除此之外第二层隐藏层的神经元数量不能太多，不然会产生过拟合现象。

关于不同传递函数的实质区别还需要深入研究，