用神经网络进行预测的MATLAB算法实现？

一、神经网络简介

二、MATLAB中的神经网络相关函数介绍

1.newff——创建前馈bp网络

net=newff（[xm,xM],[h1,h2,...hk],{f1,f2,....fk}）

其中，第一个输入变量：xm和xM是列向量，分别储存每个样本中输入数据中的最大值和最小值，

第二个输入变量：是一个行向量，输入的是各层的节点数，这个自己决定

第三个输入变量：是字符串，输入的是该层的传输函数，常用的是 tansig和logsig

2.train——训练一个神经网络

net=train(net,x,y)

其中，x是输入变量，y是输出变量，net是返回后的神经网络对象

3.sim——仿真一个神经网络

net=sim(net,x1)

其中，x1是要预测的输入变量，得到的是对应的预测值

三、一个例子

1.题目：函数 ，先让其在[0,10]的区间上间隔0.5进行学习，然后再推广到[0，10]间隔0.1的区间，将得到的结果进行比较。

2.MATLAB代码

我在自己电脑上是能实现的，在这里贴一下：

x=0:0.5:10;
y=0.2*exp(-0.2*x)+0.5*exp(-0.15*x).*sin(1.25*x);
net.trainParam.epochs=5000;%设定迭代步数

%创建一个神经网络，第一个输入变量就是此题中自变量的最大值和最小值
net=newff([0,10],[6,1],{'tansig','tansig'});

%设置训练函数
net=train(net,x,y);

%训练完以后，开始实测，用[0,10]间隔0.1的区间进行计算
x1=0:0.1:10;
y1=sim(net,x1);
plot(x,y,'*',x1,y1,'r')%换图展示

%为了得到更好的效果，画出原函数的实际图像进行对比
hold on
x2=0:0.01:10;
y2=0.2*exp(-0.2*x2)+0.5*exp(-0.15*x2).*sin(1.25*x2);
plot(x2,y2, 'b-.')

3.效果图

哇好酷炫，第一次自己做出来的时候都惊呆了~

嗯，就这样了，以后有问题再补充~

转载于:https://my.oschina.net/u/3518876/blog/1619901