简单前馈(newff)网络在MATLAB中
问题描述:
我使用了ffnew
函数很多次,但是当我尝试创建一个简单的前馈网络,使得输入向量为P=[1;2;3;4]
并且所需输出为T=[1 ;0;0;1]
。所以,我只有一个样本输入向量简单前馈(newff)网络在MATLAB中
的代码是
net = newff(P,T,[4 1],{'tansig','tansig'});
net=train (net,P,T);
当我写的最后一行我:
??? Error using ==> plus
Matrix dimensions must agree.
Error in ==> calcperf2 at 163
N{i,ts} = N{i,ts} + Z{k};
Error in ==> trainlm at 253
[perf,El,trainV.Y,Ac,N,Zb,Zi,Zl] = calcperf2(net,X,trainV.Pd,trainV.Tl,trainV.Ai,Q,TS);
Error in ==> network.train at 216
[net,tr] = feval(net.trainFcn,net,tr,trainV,valV,testV);
答
也许一个简单的例子会有所帮助。考虑着名的异或问题:
input = [0 0; 0 1; 1 0; 1 1]'; %'# each column is an input vector
ouputActual = [0 1 1 0]; %#
net = newpr(input, ouputActual, 2); %# 1 hidden layer with 2 neurons
net.divideFcn = ''; %# use the entire input for training
net = init(net); %# init
[net,tr] = train(net, input, ouputActual); %# train
outputPredicted = sim(net, input); %# predict
[err,cm] = confusion(ouputActual,outputPredicted);
请注意,我使用NEWPR而不是NEWFF。原因是它在输出上使用逻辑函数(NEWFF确实是线性的),这更适合于分类任务。如果使用1中的1个目标编码,则输出将在[0,1]范围内并且可以被解释为每个类别的后验概率(NEWFF将不限于[0,1])
答
,如果您使用MLP或RNN你NN,您可以更改功能
a2 = round(f2(LW2 * a1 + b2))
或a2 = round(purelin(LW2 * a1 + b2))
则输出NN(A2)将二进制
是'P' 4维样本矢量还是每个都有4个1-dim的样本? – Amro 2010-06-25 19:45:11
它是一个4维样本 – Hani 2010-06-25 20:03:25
以及输出如何编码?请参阅我发布的XOR示例..顺便说一句,训练一个神经网络仅仅只有一个例子! – Amro 2010-06-25 20:05:30