地理数据分析与建模集中实习日志(二)(武大遥感)

1、地理数据分析与建模集中实习日志(二)matlab实现神经网络神经网络模型前馈神经网络(feedforward neural networks )采用bp学习算法的前馈型神经网络通常被称为bp网络。三层bp神经网络结构个典型的3层bp神经网络模型如图所示。该概念相对与反馈神经网络相对应(2)反馈神经网络(feedback neural networks )反馈型神经网络是一种从输出到输入興宥反馈连接的神经网络，其结构比前馈网 络要复杂得多。典型的反馈型神经网络有：elman网络和hopfield网络。hedbackbiaves反馈神经网络f面将具体介绍feedforwardmat lab中的神经

2、元网络分析主要钮含以下步骤：1. 数据采集(collect data)与数据预处理(data preprocessing) /2. 创建网络(create the network)3. 配置m络(configure the network)4. 初始化权值和偏移量(initialize the weights and biases) /5. 训练网络(train the network)6. 验证网络(validate the network)/7. 使用祌经元网络模型进行预测分析(use the network)1. a.数据采集（collect data）与数据预处理（data prepr

3、ocessing）简介：excel表格中的数据为“采样数据”（具体來讲，这些地区的房价是真实值） .其余的数据作为房价的影响因素，后面就是使用这两套数据训练建立出来的net。最 终目标：当输入任意一个地区的房价影响因素，均可以得到一个预测值（如果输入 已知地区的因素，也将得到一个预测数值。当然，该数值在理论上应该与真实值相 差不大）拆分exe 1例组数据的具体方法如下（r2013a），- 3jmmj 參參眷eo 參 o 參*uthuumshmi!delummmm 一1. 选matrix2. shift选非最后一列剩下3. 更改matrix名字name ivalueminmax3 yingxia

4、ngyinsu<507x13 doublesnannan-r zhenshifangjia<507x1 double*nannan务必进行转置神经网络的输入和输出数据要求每列是一个样本zer yingxiangyinsu zhenshifangjia<lxl struct>< 13x507 double <1x507 double>nannannannan第一列不是数飢 deltename yingxiangyinsuzhenshifangjiavalue<13x506 double <1x506 double>ml05若下次再想使用

5、这两套值load yangbenshujub.数 1w预处理(data preprocessing)在matlab巾，在步骤2 .创建网络(create the network)时有缺省实现缺省：removeconstantrows随后进行数据标准化，所以数据均落入(-1,1)之间c.数据分组。matlab中，使用多层祌经元网络进行训练前，首先需要把数 据分成三组：训练样本(training set)、测试样本(validation set)和验证样 木(test set)。训练样本用于计算(木次和上次迭代结果的)梯度，更新网络的 权重和增益值；测试样本用丁对训练过程的监齊，避免训练时的过度拟

6、合现象(过 度拟合时训练样本误差逐渐减少，而测试样本误差显著增加)；验证样本为独立样 本数据，其所得误差可用于比较不同模型的预测精度，也可用于和测试样本结果进 行比较，判断分组是哲合理。数据分组冋样在创建net时缺省实现，缺省：dividerand要改的话在创建net时候改/2. 创建网络(create the network)3. 配置网络(configure the network)4. 初始化权值和偏移量(initialize the weights and biases)(可以不做)net = feedforwardnet; % 创建前向神经元网络 feedforwardnet (用于

7、 拟合吋最常使用的神经元网络结构)net = conf igure (net, houselnputs, housetargets) ; % 芯不对feedforwardnet的默认设置做修改(默认s数为2，隐含层神经元数冃为10,训 练方法trainlm,隐含层转换函数tansig,默认输出为purelin.)，贝u可直接使 用conf igure命令确认网络配置。configure吋&动初始化权重。以上摘自ppt针对我的代码：net = feedforwardnet； /创建网络net = conf igure (net, yingxiangyinsu, zhenshifangji

8、a) ;/确认 net 酉己1s1:/5. 训练网络(train the network)6. 验证网络(validate the network) net, tr = train (net, yingxiangyinsu, zhenshifangjia) ;%训练xneural network training (nntraintool)neural networkalgorithmsdata division: random d .h-rranc training:levenberg marquardt tr«performance: mean squared error der

9、ivatrve:default defdutderiv)10000.001.00e-071.00e*10prortttepoch:timeperformance:gradientmu:validation checks:plotsperformarcetraining stateerror histogramregression(plotperform)(plottrainstate)(pk>terrf»«t)(plotregressioc)plot interval:1 pochsvafidation stop. stop training 鲁 caned由上图，可以直接印证“确认配置”吋候默认的的10个祌经元（小机器人）6.验证网络net.，tr训练记录:“tr”包含脊训练网络的各个参数。如tr. trainlnd, tr. vallnd and tr. testlnd记录了用丁训练、测试和验证过程的数据序号，可以ll我们了解 数据如何进行分组及分组是否合理