BP神经网络分类器的实现原理_第1页
BP神经网络分类器的实现原理_第2页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

BP 神经网络的实现神经网络的实现 1. 数据预处理数据预处理 在训练神经网络前一半需要对数据进行预处理， 一种重要的预处理手段是归 一化处理。数据归一化，就是将数据映射到（0,1）或者（-1,1）或更小的区间。 为什么要归一化：输入数据的单位不一样，有些数据的范围可能特别大，导 致的结果是神经网络收敛慢、训练时间长；数据范围大的输入在模式分类中的作 用可能会偏大，而数据范围小的输入作用就可能会偏小；由于神经网络输出层的 激活函数的值域是有限制的， 因此需要将网络训练的目标数据映射到激活函数的 值域。 1.1 归一化算法：归一化算法： （1） min max min x y 进行线性变换后，将数据归一化到0,1. （2） min 2*1 max min x y 将数据归一化到-1,1。 1.2 Matlab 中归一化处理函数中归一化处理函数 可以采用 premnmx，postmnmx ， tramnmx 这 3 个函数。 1.2.1 premnmx 语法：pn,minp,maxp,tn,mint,maxt = premnmx(p,t) 参数： pn： p 矩阵按行归一化后的矩阵 minp，maxp：p 矩阵每一行的最小值，最大值 tn：t 矩阵按行归一化后的矩阵 mint，maxt：t 矩阵每一行的最小值，最大值 作用：将矩阵 p，t 归一化到-1,1 ，主要用于归一化处理训练数据集。 1.2.2 tramnmx 语法：pn = tramnmx(p,minp,maxp) 参数： minp，maxp：premnmx 函数计算的矩阵的最小，最大值 pn：归一化后的矩阵 作用：主要用于归一化处理待分类的输入数据。 1.2.3 postmnmx 语法： p,t = postmnmx(pn,minp,maxp,tn,mint,maxt) 参数： minp，maxp：premnmx 函数计算的 p 矩阵每行的最小值，最大值 mint，maxt：premnmx 函数计算的 t 矩阵每行的最小值，最大值 作用：将矩阵 pn，tn 映射回归一化处理前的范围。postmnmx 函数主要用于 将神经网络的输出结果映射回归一化前的数据范围。 1.3 使用使用 Matlab 实现神经网络实现神经网络 使用 Matlab 建立前馈神经网络主要会使用到下面 3 个函数： newff ：前馈网
人人文库> 全部分类> 行业资料 > 管理策划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论