Matlab 自己根据BP网络的权值和阀值算出来的值为何和调用sim得到的不一样？

最新推荐文章于 2023-06-21 15:27:30 发布

原创

最新推荐文章于 2023-06-21 15:27:30 发布 · 1.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#BP神经网络 #Matlab

博主在Matlab中建立了一个BP神经网络，用于拟合y=sinx，网络结构为1输入，1输出，1个隐层含10个神经元。隐层使用'tansig'，输出层使用'purelin'激活函数。训练网络后，博主尝试手动根据权重和阀值计算预测值，但手动计算的结果与使用sim函数得到的值不一致。问题在于不清楚手动计算的公式是否正确，还是sim函数内部实现与预期的不同。期待熟悉Matlab神经网络的读者解答。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我建立了一个有1个隐层（10个神经元）输入向量11 输出向量11 隐层输出层转移函数分别**‘tansig’,‘purelin’** 的简单BP神经网络用来拟合y = sinx
为了弄清楚其拟合结果的计算公式将这个net训练后我根据其权值和阀值
根据 y0_by_hand = purelin( w2 * tansig(w1*x0+b1) + b2) 这个式子
得到手动求出的预测值。
然后和 y0 = sim(net,x0) 对比
发现y0和y0_by_hand的值不相同
这是为何呢？
是式子写错了还是库函数sim的式子不是最初定义的 y=f2(W2*f1(W1p+b1)+b2)
麻烦了解的前辈们帮忙回答一下谢过

clc, clear
P = rand(1,50)*2*pi;  %训练集
T = sin(P);        %预测集
[p,ps_input] = mapminmax(P,0,1);  %归一化
[t,ps_out] = mapminmax(T,0,1);
net = newff(p,t,10,{'tansig','purelin'},'trainlm');  %1个隐层 10个神经元  输入向量1*1  输出向量1*1 隐层输出层转移函数分别'tansig','purelin' 

net = train(net,p,t); 

 %% 用工具箱函数进行预测
 
x0 = 0:0.01:2*pi;  
x0 = mapminmax('apply',x0,ps_input);
y0 = sim(net,x0);
y0 = mapminmax('reverse',y0,ps_out);

%% 手动预测
w1 = net.iw{1};  %输入层和隐层连接权   10*1
w2 = net.lw{2,1}; %隐层和输出层连接权  1*10
b1 = net.b{1};  %隐层阀值向量    10*1
b2 = net.b{2}; %输出层阀值向量   1*1

%% 结果： 手动计算结果不等于库函数的结果？
y0_by_