BP神经网络数据分类总出错.%构建训练样本中的输入向量pp1=[13 44.8 24.7 0.97;14 42.3 24

散装的云2022-10-04 11:39:541条回答

BP神经网络数据分类总出错.
%构建训练样本中的输入向量p
p1=[13 44.8 24.7 0.97;
14 42.3 24.4 0.95;
15 42.5 24.6 0.97;
17 45.6 25.8 0.96];
p2=[21 37.6 21.3 0.92;
25 37.6 21.7 0.90;
23 35.4 20.8 0.94;
24 37.2 21.6 0.87];
p3=[26 32.3 20.2 0.84;
27 27.6 18.7 0.81;
26 33.7 20.8 0.83;
29 32.3 20.3 0.83];
p4=[30 21.5 16.4 0.77;
32 20.6 15.8 0.76;
36 22.6 16.8 0.77;
35 21.3 16.2 0.75];
p=[p1 p2 p3 p4];
%构建训练样本中的目标向量t
t1=[1 1;1 1;1 1;1 1];
t2=[1 0;1 0;1 0;1 0];
t3=[0 1;0 1;0 1;0 1];
t4=[0 0;0 0;0 0;0 0];
t=[t1 t2 t3 t4];
p=p';t=t';
net=newff(p,t,3,{'tansig','logsig'},'traingd');
net.trainParam.epochs=500;
net.trainParam.goal=0.01;
net=train(net,p,t);
%测试样本进行分类
p_test=[13 44.7 24.3 0.95;
12 41.2 23.7 0.96;
13 42.5 24.6 0.97;
16 40.5 23.3 0.95;
16 43.4 24.7 0.97;
17 45.7 25.1 0.96;
16 44.3 24.2 0.97;
16 43.6 25.3 0.97;
18 40.7 23.1 0.96;
17 40.2 22.8 0.95;
16 41.8 24.2 0.96;
18 42.9 24.7 0.96;
23 37.5 21.3 0.94;
22 36.8 21.2 0.93;
25 37.5 21.8 0.92;
24 38.3 35.4 0.93;
23 35.4 20.8 0.93;
23 37.3 21.3 0.92;
22 36.2 20.9 0.92;
24 36.8 21.3 0.88;
22 39.7 22.8 0.87;
22 37.2 21.4 0.86;
23 38.9 22.5 0.92;
23 39.2 23.1 0.92;
23 38.3 21.9 0.93;
24 36.4 21.2 0.93;
26 25.6 17.8 0.83;
28 27.4 18.7 0.85;
27 27.8 18.8 0.84;
28 32.3 20.2 0.82;
28 34.6 20.9 0.83;
29 29.2 19.2 0.80;
27 26.7 18.1 0.83;
28 27.9 18.9 0.82;
32 23.4 16.9 0.71;
35 22.7 16.7 0.73;
37 24.5 17.6 0.76;
33 20.8 15.8 0.78;
36 22.6 16.8 0.77;
34 21.4 16.4 0.77;
35 20.9 15.9 0.76];
y=sim(net,p_test');
请问怎么总是出现“Error using network/sim (line 130)
Input 1 size does not match net.inputs{1}.size.

已提交,审核后显示!提交回复

共1条回复
西门小飞猪 共回答了22个问题 | 采纳率77.3%
你的数据矩阵的组织出问题了,你设置的网络输入神经元和你每次输入的数据这块有矛盾,可以尝试先再减少数据量去做,这里有可能用到转职,然后再加大数据量,这样去组织数据
1年前

相关推荐

在使用BP神经网络时出现net.LW{2,1},其中2和1各代表什么啊?
tomtc1年前1
njhb1937 共回答了26个问题 | 采纳率84.6%
去看网络的结构.
BP神经网络中tansig函数是线性传递函数么
dengze1年前3
99flyant 共回答了20个问题 | 采纳率95%
tansig(n) = 2/(1+exp(-2*n))-1
是sigmoid函数.
BP神经网络中net.iw{1,1}
toplinecorp1年前2
rainshar 共回答了16个问题 | 采纳率93.8%
BP网络中 w(1,1) 表示第 1 个输入矢量在输入层和隐含层中的权值.
w(1,2) 表示第 2 个输入矢量在输入层和隐含层中的权值.
...w(1,j ) 表示第 j 个输入矢量在输入层和隐含层中的权值.
w(2,1) :第 1 个输入矢量在隐含层和输出层中的权值.
若w( i ,j ) 中i > 2,则有多个隐含层.
关于BP神经网络出现的问题%bp神经网络构建P=[8 9 9 9 8 9 9 9 2 2 2 2 70;6 9 9 7
关于BP神经网络出现的问题
%bp神经网络构建
P=[8 9 9 9 8 9 9 9 2 2 2 2 70;
6 9 9 7 0 0 0 1 1 2 2 0 31;
9 0 7 11 7 9 2 5 1 1 3 4 50;
8 5 0 8 7 7 9 7 1 1 2 4 51;
0 4 9 4 4 11 9 11 1 2 3 7 52;
9 14 1 10 5 1 10 6 1 1 3 4 56;
1 9 11 8 6 0 11 10 1 2 6 3 56;
7 0 0 0 9 9 9 6 1 1 1 4 40;
6 9 9 8 8 9 13 9 2 2 4 3 71;
10 9 4 5 8 9 11 2 2 1 3 7 58];
T=[0 1 2 3 4 5 6 7 8 9];
net=newff(minmax(P),[13,22 ,1],{'tansig','tansig','purelin'},'trainscg','learngd');
%bp神经网络参数设置
net.trainParam.epochs=10000; %设置训练步数
net.trainParam.goal=0.000000001; %设置训练目标
net.trainParam.lr=0.3; %设置训练学习速率
net.trainParam.mc=0.5; %设置动量因子
%bp神经网络训练仿真保存
net=train(net,P,T);
sz=sim(net,P);
%save sznet net
Error using ==> network.train
Targets are incorrectly sized for network.
Matrix must have 13 columns.
Error in ==> Untitled at 60
net=train(net,P,T);
>>
lcsyzhcy1年前1
江淮安 共回答了19个问题 | 采纳率100%
p和t后面加个‘!你的p和t维数不对,这样输入不对了!
bp神经网络的算法改进一共有多少种啊!
aliyun1年前2
sea3618 共回答了15个问题 | 采纳率100%
1、引入动量项
2、变尺度法
3、变步长法
具体怎么做,网上都有相关资料,公式比较难打,只能写到这个份
蚁群算法优化BP神经网络 遇到的问题.
蚁群算法优化BP神经网络 遇到的问题.
看了不少文献,发现蚁群算法优化神经网络是利用蚁群算法在解空间寻找出一组最优的权值和阈值,然后将这一组解带回到神经网络进行细致优化,从而得到最好的权值和阈值.但是这样并没有从根本上解决BP算法容易陷入局部最小值的缺点,因为他还是用了梯度下降法进行细致优化.那么蚁群算法优化BP神经网络也就失去了意义了.
在这里,我迷茫了,智能算法不可避免的会用到随机取值,每一次计算出的结果或者计算出的误差都可能不同,那么有哪一种算法会保证他得到的结果会是最优的呢?尤其是进行预测时,并不是1+1=2这样确定的结果.
现在课题陷入僵局,很困惑,说的乱七八糟的,希望懂蚁群优化BP的人来讨论、指教.
yt7171年前1
yiqiuhua 共回答了19个问题 | 采纳率89.5%
蚁群算法的实质是遗传算法,为了避免陷入局部最优解,我使用的办法是基因多样化算法,初始化基因组时,多取几组随机值,然后对这n组数据同时进化优化,并行计算.这样可以大大减低陷入局部最优解的风险
MATlLAB 实现BP神经网络 下面的语句都是什么含义
MATlLAB 实现BP神经网络 下面的语句都是什么含义
net=newff(minmax(minp),[8 1],{'tansig','purelin'},'trainlm');
net.trainparam.show=25;
net.trainparam.goal=0.0001;
net.trainparam.epochs=1000;
我爱飘瑶1年前1
sofoot 共回答了19个问题 | 采纳率84.2%
net=newff(minmax(minp),[8 1],{'tansig','purelin'},'trainlm');
newff初始化神经网络,minmax输入矩阵的最大和最小值,8隐层数,1输出层数,{'tansig','purelin'},'trainlm'这三个是训练函数.
net.trainparam.show=25;
神经网络每迭代25次在图像中显示一次.
net.trainparam.goal=0.0001;
训练的误差精度
net.trainparam.epochs=1000;
最大迭代次数.
bp人工神经网络算法求高手帮忙我想建一个bp神经网络,求神经元的解释,是双级性s函数的那种.双级性s函数是函数是求高手告
bp人工神经网络算法求高手帮忙
我想建一个bp神经网络,求神经元的解释,是双级性s函数的那种.
双级性s函数是
函数是
求高手告诉我这里面的字母,符号的中文意思,和运算符号的 意思.以及神经元的算法公式.解释的好再追加100分
SS近卫军1年前1
xiayu1119 共回答了18个问题 | 采纳率94.4%
这些神经元的基本知识随便百度都应该会有.
详细的自己看百度
按照图里
X={x1,x2,x3,x4.xn}这个是特征向量
假设 Vi=x0 *Wi0+x1*Wi1+.+xn*Win
f是激活函数.首先它具备激活功能,然后由于在迭代过程中要使得误差函数最小,必须F必须连续可导.
yi是Vi经过激活函数f的相应输出.一般来说哦,这个就是输出值.
BP算法、BP神经网络、遗传算法、神经网络这四者之间的关系是什么?完全不懂,解答越简明扼要越好
wangnan20081年前1
segali 共回答了16个问题 | 采纳率93.8%
这四个都属于人工智能算法的范畴.其中BP算法、BP神经网络和神经网络
属于神经网络这个大类.遗传算法为进化算法这个大类.
神经网络模拟人类大脑神经计算过程,可以实现高度非线性的预测和计算,主要用于非线性拟合,识别,特点是需要“训练”,给一些输入,告诉他正确的输出.若干次后,再给新的输入,神经网络就能正确的预测对于的输出.神经网络广泛的运用在模式识别,故障诊断中.BP算法和BP神经网络是神经网络的改进版,修正了一些神经网络的缺点.
遗传算法属于进化算法,模拟大自然生物进化的过程:优胜略汰.个体不断进化,只有高质量的个体(目标函数最小(大))才能进入下一代的繁殖.如此往复,最终找到全局最优值.遗传算法能够很好的解决常规优化算法无法解决的高度非线性优化问题,广泛应用在各行各业中.差分进化,蚁群算法,粒子群算法等都属于进化算法,只是模拟的生物群体对象不一样而已.