神经网络matlab函数使用

最新推荐文章于 2024-12-09 15:13:53 发布

原创

最新推荐文章于 2024-12-09 15:13:53 发布 · 1.2k 阅读

2 ·

CC 4.0 BY-SA版权

该博客介绍了如何在MATLAB中使用newff、newcf和newfftd等函数创建和训练神经网络。通过加载数据，进行预处理，然后利用这些函数训练BP网络，以进行分类任务。虽然当前实现的准确率较低，但博主计划进一步研究提升模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%实现的分类结果真的不好，才0.3+，这里只是简单的说明怎么使用函数，至于实现达不到效果的问题，后续会研究

clear all 
clc 

%% 读入数据
xlsfile='train.txt';
x = load(xlsfile);
[m,n] = size(x);
traind = x(:,1:n-1);
label = x(:,n);

testl = load('result.txt');
testd = load('test.txt');

%% 数据处理

%标准化处理
% [traind,MU,SIGMA] = zscore(traind);
% [testd,MU,SIGMA] = zscore(testd);

%归一化处理
[traind,G] = mapminmax(traind);
[testd,G] = mapminmax(testd);

%%
P = traind';
T = label';

test_p = testd';
test_pl = testl';

%% 使用newff函数
ff=newff(P,T,30);				   % 建立一个BP网络，包含一个20个节点的隐含层
ff.trainParam.epochs = 50;
ff = train(ff,P,T);				   % 训练
Y1= sim(ff,test_p);				   % 仿真
Y1_init = Y1;

% 取整
Y1(Y1<0.5)=0;
Y1(Y1>=0.5)=1;
rate1 = sum(Y1 == test_pl)/length(Y1);


%% 使用newcf函数
% cf=newcf(P,T,20);		        % 用newcf建立前向网络
% cf.trainParam.epochs = 50;
% cf = train(cf,P,T);			    % 训练
% Y2 = sim(cf,test_p);					% 仿真
% 
% Y2_init = Y2;
% 
% % 取整
% Y2(Y2<0.5)=0;
% Y2(Y2>=0.5)=1