tensorflow神经网络多维曲线拟合

lijil168

已于 2022-06-26 14:33:54 修改

阅读量2.3k

点赞数 7

分类专栏：数学机器学习笔记 python 文章标签： tensorflow 神经网络 python

于 2022-06-26 13:04:17 首次发布

本文链接：https://blog.youkuaiyun.com/lijil168/article/details/125468791

版权

1、参考：神经网络（二）曲线拟合纯python代码参考（BP算法）

计算智能作业二
题目：自选非线性分类或曲线拟合问题，用BP网络训练、学习。
自选题目：
下面列表中的数据是某地区20年公路运量数据，其中属性“人口数量”、“机动车数量”和“公路面积”作为输入，属性“公路客运量”和“公路货运量”作为输出。请用神经网络拟合此多输入多输出曲线。
在这里插入图片描述

2、结果对比

纯python代码BP算法的结果：

100000步训练后，结果为：
在这里插入图片描述

python+Tensorflow Adam优化算法的结果：

100000步训练后，结果为：
在这里插入图片描述
优化的更快！可能过拟合

Tensorflow计算图（神经网络模型=拟合函数数学模型）

cmd命令：tensorboard --logdir=C:\temp\log_simple_stats
在这里插入图片描述

训练迭代过程中，损失函数值：
在这里插入图片描述

注意训练的数据需要正则化

samplein = np.mat([population,vehicle,roadarea]) #3*20
sampleinminmax = np.array([samplein.min(axis=1).T.tolist()[0],samplein.max(axis=1).T.tolist()[0]]).transpose()#3*2
sampleout = np.mat([passengertraffic,freighttraffic])#2*20
sampleoutminmax = np.array([sampleout.min(axis=1).T.tolist()[0],sampleout.max(axis=1).T.tolist()[0]]).transpose()#2*2
sampleinnorm = (2*(np.array(samplein.T)-sampleinminmax.transpose()[0])/(sampleinminmax.transpose()[1]-sampleinminmax.transpose()[0])-1).transpose()
sampleoutnorm = (2*(np.array(sampleout.T).astype(float)-sampleoutminmax.transpose()[0])/(sampleoutminmax.transpose()[1]-sampleoutminmax.transpose()[0])-1).transpose()

注意正则化时，公式分母不能为0
上面公式中的2* 和-1可以没有

3、python+Tensorflow代码

# coding=utf-8
import os  
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2'

最低0.47元/天解锁文章