神经网络简介与原理讲解+使用“高贵的”MATLAB代码求例题

2023-10-29 20:10

本文主要是介绍神经网络简介与原理讲解+使用“高贵的”MATLAB代码求例题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

模型简介

有趣的比喻

想象你有一个超级勤奋的宠物——比如说,一只名叫“神经网”(NeurNet)的宠物狗。开始的时候,它一无所知,但它很善于学习。你希望训练它识别猫和狗。

每次你向它展示一张图片,它都会尝试猜测这是猫还是狗。开始的时候,NeurNet的猜测都是乱七八糟的。但每次它猜错时,你都会纠正它:“错了,那其实是猫!”或者“错了,那其实是狗!”。

NeurNet的大脑(我们称之为“神经网络”)里面有成千上万的小旋钮(权重)。每次猜错后,它都会微调这些旋钮。经过上千次、甚至上万次的猜测和纠正,它开始变得更加准确。最后,你向它展示的图片,它都能准确地告诉你是猫还是狗。

在这个过程中,NeurNet并不真的“知道”猫和狗的定义,但它通过大量的例子调整了自己的“旋钮”,从而达到了正确猜测的目的。

这就是神经网络的原理——通过大量的数据和反复的调整,它可以学会识别各种模式,就像NeurNet学会区分猫和狗一样!🐱🐶

基础知识

神经网络由 多层 的神经元 ( 节点 ) 构成,不同层之间的神经元通过 权重 连接
隐藏层和输出层的神经元中有 激活函数 ,收到的数据作为自变量,计算出结果
计算出的 结果与权重相乘后累加 传递到下一层,或输出最终结果

适用赛题

预测类问题
预测未来的结果,一般为 回归问题 ,即输出值 𝑦 是连续的
美赛 2022 C 题比特币和黄金 投资策略, LSTM( 长短时记忆网络 ) 进行预测
短时交通流量预测 ( 小波神经网络的时间序列 )
电力负荷预测 (Elman 神经网络,具有延时记忆,适合动态建模 )
分类问题
对现有的对象进行分类,一般为 离散问题 ,即输出值 𝑦 是有限个离散值
美赛 2021 C 题黄蜂传播规律和目击准确性,卷积神经网进行图像识别
人体肿瘤诊断 (LVQ 神经网络,无需数据预处理,适合模式识别和优化 )
柴油机故障判断 (SOM 神经网络,适合需要聚类的问题 )
评价类问题
嘉陵江水质评价 ( 模糊神经网络 ) ,高校科研能力评价 ( 离散 Hopfield 神经网络 )
本质上与预测和分类相同,只不过题目问的是“评价结果”而已
先学会最基础的神经网络原理,遇到题目后再去翻书现学现用

 原理讲解

感知机

只有输入层和输出层的神经网络,称为感知机,只适用于线性可分的问题
问题:如何综合考虑身高( 𝑥 1 )和体重( 𝑥 2 ),判断 是否达到了 8周岁(阈值 𝑏 )。  结果 只能有“ 未达到 ”和“ 达到 。也就是根据最后经过激活函数后是否达到b来判断。
如何对权重 𝑤 𝑖 进行 优化

 BP神经网络( back propagation,误差逆传播),多层神经网络

 

检验模型的泛化能力

训练集 进行学习、训练参数(权重)
验证集 来检验性能(学习率等),以调整超参数或及时停止训练
测试集 给出客观的评价

使用MATLAB工具箱进行代码求解

clc,clear,close all%% 1、导入数据
% 读取excle指定范围的数据
X = table2array(readtable('NNs.xlsx','Range','B2:N253'));
T = table2array(readtable('NNs.xlsx','Range','O2:O253'));
X_zs = table2array(readtable('NNs.xlsx','Range','B254:N254'));% 神经网络工具包语法默认需要以样本为列,所以对导入的数据进行转置
X = X'; T = T'; X_zs = X_zs';

样本自动分为训练集、验证集和测试集。训练集用于对网络进行训练,只要网络针对验证集持续改进,训练就会继续。测试集提供完全独立的网络准确度测量。

% 建立前馈神经网络,工具箱会自动把数据归一化
% 设置隐藏层
% 这个神经网络包含了三层,分别是输入层、一个包含15个神经元的隐藏层、一个包含6个神经元的隐藏层和一个包含9个神经元的输出层
net = feedforwardnet([15,6,9]);  % 开始训练,采用随机划分的方法把样本分为训练集、验证集和测试集
[net,tr] = train(net,X,T);  % [net,tr]分别是训练好的网络和训练记录
% X 和 T 分别表示输入数据和目标数据。
% 在这个训练过程中,神经网络会通过反向传播算法来不断调整权重和偏置,以最小化输出与目标之间的误差。
view(net) %可视化神经网络的结构% 求张三体脂率估计值
Y_zs = net(X_zs)
%使用训练好的神经网络 net 对输入数据 X_zs 进行预测,并将结果存储在 Y_zs 变量中。
% 这实际上是在进行前向传播,将输入数据传递给神经网络,然后获得网络的输出。% 调用工具包极大地简化了代码,对于初学者,直接使用matlab的默认设置更稳妥
% 更多细节,例如选择训练函数、设置其他终止条件、设置样本分类比例、设置学习率初始值、权重初始值等等可手动设置

这篇关于神经网络简介与原理讲解+使用“高贵的”MATLAB代码求例题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/303094

相关文章

shell编程之函数与数组的使用详解

《shell编程之函数与数组的使用详解》:本文主要介绍shell编程之函数与数组的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录shell函数函数的用法俩个数求和系统资源监控并报警函数函数变量的作用范围函数的参数递归函数shell数组获取数组的长度读取某下的

使用Python开发一个带EPUB转换功能的Markdown编辑器

《使用Python开发一个带EPUB转换功能的Markdown编辑器》Markdown因其简单易用和强大的格式支持,成为了写作者、开发者及内容创作者的首选格式,本文将通过Python开发一个Markd... 目录应用概览代码结构与核心组件1. 初始化与布局 (__init__)2. 工具栏 (setup_t

Python虚拟环境终极(含PyCharm的使用教程)

《Python虚拟环境终极(含PyCharm的使用教程)》:本文主要介绍Python虚拟环境终极(含PyCharm的使用教程),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录一、为什么需要虚拟环境?二、虚拟环境创建方式对比三、命令行创建虚拟环境(venv)3.1 基础命令3

Python Transformer 库安装配置及使用方法

《PythonTransformer库安装配置及使用方法》HuggingFaceTransformers是自然语言处理(NLP)领域最流行的开源库之一,支持基于Transformer架构的预训练模... 目录python 中的 Transformer 库及使用方法一、库的概述二、安装与配置三、基础使用:Pi

关于pandas的read_csv方法使用解读

《关于pandas的read_csv方法使用解读》:本文主要介绍关于pandas的read_csv方法使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录pandas的read_csv方法解读read_csv中的参数基本参数通用解析参数空值处理相关参数时间处理相关

使用Node.js制作图片上传服务的详细教程

《使用Node.js制作图片上传服务的详细教程》在现代Web应用开发中,图片上传是一项常见且重要的功能,借助Node.js强大的生态系统,我们可以轻松搭建高效的图片上传服务,本文将深入探讨如何使用No... 目录准备工作搭建 Express 服务器配置 multer 进行图片上传处理图片上传请求完整代码示例

SpringBoot条件注解核心作用与使用场景详解

《SpringBoot条件注解核心作用与使用场景详解》SpringBoot的条件注解为开发者提供了强大的动态配置能力,理解其原理和适用场景是构建灵活、可扩展应用的关键,本文将系统梳理所有常用的条件注... 目录引言一、条件注解的核心机制二、SpringBoot内置条件注解详解1、@ConditionalOn

Python中使用正则表达式精准匹配IP地址的案例

《Python中使用正则表达式精准匹配IP地址的案例》Python的正则表达式(re模块)是完成这个任务的利器,但你知道怎么写才能准确匹配各种合法的IP地址吗,今天我们就来详细探讨这个问题,感兴趣的朋... 目录为什么需要IP正则表达式?IP地址的基本结构基础正则表达式写法精确匹配0-255的数字验证IP地

使用Python实现全能手机虚拟键盘的示例代码

《使用Python实现全能手机虚拟键盘的示例代码》在数字化办公时代,你是否遇到过这样的场景:会议室投影电脑突然键盘失灵、躺在沙发上想远程控制书房电脑、或者需要给长辈远程协助操作?今天我要分享的Pyth... 目录一、项目概述:不止于键盘的远程控制方案1.1 创新价值1.2 技术栈全景二、需求实现步骤一、需求

Spring LDAP目录服务的使用示例

《SpringLDAP目录服务的使用示例》本文主要介绍了SpringLDAP目录服务的使用示例... 目录引言一、Spring LDAP基础二、LdapTemplate详解三、LDAP对象映射四、基本LDAP操作4.1 查询操作4.2 添加操作4.3 修改操作4.4 删除操作五、认证与授权六、高级特性与最佳