精华内容
下载资源
问答
  • 工具箱

    千次阅读 2016-07-19 21:27:38
    工具箱
    递归输出文件夹下的所有文件
        public static void listFileName(File file){
            File[] files = file.listFiles();
            for(File f : files){
                if(f.isDirectory()){
                    listFileName(f);
                }
                System.out.println(f.getName());
            }
        }
    统计某个单词出现的次数
    public static int wordCount(String filePath, String word) throws IOException{
            int count = 0;
            BufferedReader reader = new BufferedReader(new FileReader(filePath));
            String line = "";
            while((line = reader.readLine()) != null){
                count += ((line.length() - line.replace(word, "").length()) % line.length()) / word.length();
            }
            reader.close();
            return count;
        }
    展开全文
  • 利用MATLAB 进行BP神经网络的预测(含有神经网络工具箱) 最近一段时间在研究如何利用预测其销量个数,在网上搜索了一下,发现了很多模型来预测,比如利用回归模型、时间序列模型,GM(1,1)模型,可是自己在结合...

            利用MATLAB 进行BP神经网络的预测(含有神经网络工具箱)

      最近一段时间在研究如何利用预测其销量个数,在网上搜索了一下,发现了很多模型来预测,比如利用回归模型、时间序列模型,GM(1,1)模型,可是自己在结合实际的工作内容,发现这几种模型预测的精度不是很高,于是再在网上进行搜索,发现神经网络模型可以来预测,并且有很多是结合时间序列或者SVM(支持向量机)等组合模型来进行预测,本文结合实际数据,选取了常用的BP神经网络算法,其算法原理,因网上一大堆,所以在此不必一一展示,并参考了bp神经网络进行交通预测的Matlab源代码这篇博文,运用matlab 2016a,给出了下面的代码,并最终进行了预测

    clc
    
    clear all
    
    close all
    
    %bp 神经网络的预测代码
    
    %载入输出和输入数据
    
    load C:\Users\amzon\Desktop\p.txt;
    
    load C:\Users\amzon\Desktop\t.txt;
    
    %保存数据到matlab的工作路径里面
    
    save p.mat;
    
    save t.mat;%注意t必须为行向量
    
    %赋值给输出p和输入t
    
    p=p;
    
    t=t;
    
    %数据的归一化处理,利用mapminmax函数,使数值归一化到[-1.1]之间
    
    %该函数使用方法如下:[y,ps] =mapminmax(x,ymin,ymax),x需归化的数据输入,
    
    %ymin,ymax为需归化到的范围,不填默认为归化到[-1,1]
    
    %返回归化后的值y,以及参数ps,ps在结果反归一化中,需要调用
    
    [p1,ps]=mapminmax(p);
    
    [t1,ts]=mapminmax(t);
    
    %确定训练数据,测试数据,一般是随机的从样本中选取70%的数据作为训练数据
    
    %15%的数据作为测试数据,一般是使用函数dividerand,其一般的使用方法如下:
    
    %[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio)
    
    [trainsample.p,valsample.p,testsample.p] =dividerand(p,0.7,0.15,0.15);
    
    [trainsample.t,valsample.t,testsample.t] =dividerand(t,0.7,0.15,0.15);
    
    %建立反向传播算法的BP神经网络,使用newff函数,其一般的使用方法如下
    
    %net = newff(minmax(p),[隐层的神经元的个数,输出层的神经元的个数],{隐层神经元的传输函数,输出层的传输函数},'反向传播的训练函数'),其中p为输入数据,t为输出数据
    
    %tf为神经网络的传输函数,默认为'tansig'函数为隐层的传输函数,
    
    %purelin函数为输出层的传输函数
    
    %一般在这里还有其他的传输的函数一般的如下,如果预测出来的效果不是很好,可以调节
    
    %TF1 = 'tansig';TF2 = 'logsig';
    
    %TF1 = 'logsig';TF2 = 'purelin';
    
    %TF1 = 'logsig';TF2 = 'logsig';
    
    %TF1 = 'purelin';TF2 = 'purelin';
    
    TF1='tansig';TF2='purelin';
    
    net=newff(minmax(p),[10,1],{TF1 TF2},'traingdm');%网络创建
    
    %网络参数的设置
    
    net.trainParam.epochs=10000;%训练次数设置
    
    net.trainParam.goal=1e-7;%训练目标设置
    
    net.trainParam.lr=0.01;%学习率设置,应设置为较少值,太大虽然会在开始加快收敛速度,但临近最佳点时,会产生动荡,而致使无法收敛
    
    net.trainParam.mc=0.9;%动量因子的设置,默认为0.9
    
    net.trainParam.show=25;%显示的间隔次数
    
    % 指定训练参数
    
    % net.trainFcn = 'traingd'; % 梯度下降算法
    
    % net.trainFcn = 'traingdm'; % 动量梯度下降算法
    
    % net.trainFcn = 'traingda'; % 变学习率梯度下降算法
    
    % net.trainFcn = 'traingdx'; % 变学习率动量梯度下降算法
    
    % (大型网络的首选算法)
    
    % net.trainFcn = 'trainrp'; % RPROP(弹性BP)算法,内存需求最小
    
    % 共轭梯度算法
    
    % net.trainFcn = 'traincgf'; %Fletcher-Reeves修正算法
    
    % net.trainFcn = 'traincgp'; %Polak-Ribiere修正算法,内存需求比Fletcher-Reeves修正算法略大
    
    % net.trainFcn = 'traincgb'; % Powell-Beal复位算法,内存需求比Polak-Ribiere修正算法略大
    
    % (大型网络的首选算法)
    
    %net.trainFcn = 'trainscg'; % ScaledConjugate Gradient算法,内存需求与Fletcher-Reeves修正算法相同,计算量比上面三种算法都小很多
    
    % net.trainFcn = 'trainbfg'; %Quasi-Newton Algorithms - BFGS Algorithm,计算量和内存需求均比共轭梯度算法大,但收敛比较快
    
    % net.trainFcn = 'trainoss'; % OneStep Secant Algorithm,计算量和内存需求均比BFGS算法小,比共轭梯度算法略大
    
    % (中型网络的首选算法)
    
    %net.trainFcn = 'trainlm'; %Levenberg-Marquardt算法,内存需求最大,收敛速度最快
    
    % net.trainFcn = 'trainbr'; % 贝叶斯正则化算法
    
    % 有代表性的五种算法为:'traingdx','trainrp','trainscg','trainoss', 'trainlm'
    
    %在这里一般是选取'trainlm'函数来训练,其算对对应的是Levenberg-Marquardt算法
    
    net.trainFcn='trainlm';
    
    [net,tr]=train(net,trainsample.p,trainsample.t);
    
    %计算仿真,其一般用sim函数
    
    [normtrainoutput,trainPerf]=sim(net,trainsample.p,[],[],trainsample.t);%训练的数据,根据BP得到的结果
    
    [normvalidateoutput,validatePerf]=sim(net,valsample.p,[],[],valsample.t);%验证的数据,经BP得到的结果
    
    [normtestoutput,testPerf]=sim(net,testsample.p,[],[],testsample.t);%测试数据,经BP得到的结果
    
    %将所得的结果进行反归一化,得到其拟合的数据
    
    trainoutput=mapminmax('reverse',normtrainoutput,ts);
    
    validateoutput=mapminmax('reverse',normvalidateoutput,ts);
    
    testoutput=mapminmax('reverse',normtestoutput,ts);
    
    %正常输入的数据的反归一化的处理,得到其正式值
    
    trainvalue=mapminmax('reverse',trainsample.t,ts);%正常的验证数据
    
    validatevalue=mapminmax('reverse',valsample.t,ts);%正常的验证的数据
    
    testvalue=mapminmax('reverse',testsample.t,ts);%正常的测试数据
    
    ## 得到真实值后 需要衡量模型好坏 这里我选取R2作为衡量模型的好
    R2 = corrcoef(testsample.t,testvalue);
    R2 = R2(1,2)^ 2;
    %% 画出误差图
    figure
    plot( 1:length(testvalue), testsample.t, '-or' ,1:length(testvalue) ,testvalue , '-*b');
    legend('真实值','预测值')
    xlabel('预测样本')
    ylabel('strength')
    string = {'BP网络预测结果对比';['R^2=' num2str(R2)]};
    title(string)
    
    
    %做预测,输入要预测的数据pnew
    
    pnew=[313,256,239]';
    
    pnewn=mapminmax(pnew);
    
    anewn=sim(net,pnewn);
    
    anew=mapminmax('reverse',anewn,ts);
    
    %绝对误差的计算
    
    errors=trainvalue-trainoutput;
    
    %plotregression拟合图
    
    figure,plotregression(trainvalue,trainoutput)
    
    %误差图
    
    figure,plot(1:length(errors),errors,'-b')
    
    title('误差变化图')
    
    %误差值的正态性的检验
    
    figure,hist(errors);%频数直方图
    
    figure,normplot(errors);%Q-Q图
    
    [muhat,sigmahat,muci,sigmaci]=normfit(errors);%参数估计 均值,方差,均值的0.95置信区间,方差的0.95置信区间
    
    [h1,sig,ci]= ttest(errors,muhat);%假设检验
    
    figure, ploterrcorr(errors);%绘制误差的自相关图
    
    figure, parcorr(errors);%绘制偏相关图

    运行之后的,结果如下:

    BP神经网络的结果分析图

    训练数据的梯度和均方误差之间的关系图

    验证数据的梯度与学习次数

    残差的正态的检验图(Q-Q图)

     

     

    在网上,发现可以通过神经网络工具箱这个GUI界面来创建神经网络,其一般的操作步骤如下:

    1:在输入命令里面输入nntool命令,或者在应用程序这个选项下找到Netrual Net Fitting 这个应用程序,点击打开,就能看见如下界面

     

     

     

    2:输入数据和输出数据的导入(在本文中选取了matlab自带的案例数据)


    3:随机选择三种类型的数据所占的样本量的比例,一般选取默认即可



    4:隐层神经元的确定
                                                                                 


    5:训练算法的选取,一般是选择默认即可,选择完成后点击<train>按钮即可运行程序




    6:根据得到的结果,一般是MSE的值越小,R值越接近1,其训练的效果比较,并第二张图给出了神经网络的各参数的设置以及其最终的结果,其拟合图R越接近1,模型拟合的更好








    最终的结果图

    7:如果所得到的模型不能满足你的需求,则需重复上述的步骤直至能够得到你想要的精确度

    8:将最终的得到的各种数据以及其拟合值进行保存,然后查看,就可以得到所要的拟合值



    MATLAB 与神经网络相关的函数总结如下:

     图形用户界面功能
        nnstart - 神经网络启动GUI 
        nctool - 神经网络分类工具 
        nftool - 神经网络的拟合工具 
        nntraintool - 神经网络的训练工具 
        nprtool - 神经网络模式识别工具 
        ntstool - NFTool神经网络时间序列的工具 
        nntool - 神经网络工具箱的图形用户界面。 
        查看 - 查看一个神经网络。 
      
      网络的建立功能
        cascadeforwardnet - 串级,前馈神经网络。 
        competlayer - 竞争神经层。 
        distdelaynet - 分布时滞的神经网络。 
        elmannet - Elman神经网络。 
        feedforwardnet - 前馈神经网络。 
        fitnet - 函数拟合神经网络。 
        layrecnet - 分层递归神经网络。 
        linearlayer - 线性神经层。 
        lvqnet - 学习矢量量化(LVQ)神经网络。 
        narnet - 非线性自结合的时间序列网络。 
        narxnet - 非线性自结合的时间序列与外部输入网络。 
        newgrnn - 设计一个广义回归神经网络。 
        newhop - 建立经常性的Hopfield网络。 
        newlind - 设计一个线性层。 
        newpnn - 设计概率神经网络。 
        newrb - 径向基网络设计。 
        newrbe - 设计一个确切的径向基网络。 
        patternnet - 神经网络模式识别。 
        感知 - 感知。 
        selforgmap - 自组织特征映射。 
        timedelaynet - 时滞神经网络。 
      
      利用网络
        网络 - 创建一个自定义神经网络。 
        SIM卡 - 模拟一个神经网络。 
        初始化 - 初始化一个神经网络。 
        适应 - 允许一个神经网络来适应。 
        火车 - 火车的神经网络。 
        DISP键 - 显示一个神经网络的属性。 
        显示 - 显示的名称和神经网络属性 
        adddelay - 添加延迟神经网络的反应。 
        closeloop - 神经网络的开放反馈转换到关闭反馈回路。 
        formwb - 表格偏见和成单个向量的权重。 
        getwb - 将它作为一个单一向量中的所有网络权值和偏差。 
        noloop - 删除神经网络的开放和关闭反馈回路。 
        开环 - 转换神经网络反馈,打开封闭的反馈循环。 
        removedelay - 删除延迟神经网络的反应。 
        separatewb - 独立的偏见和重量/偏置向量的权重。 
        setwb - 将所有与单个矢量网络权值和偏差。 
      
      Simulink的支持
        gensim - 生成Simulink模块来模拟神经网络。 
        setsiminit - 集神经网络的Simulink模块的初始条件 
        getsiminit - 获取神经网络Simulink模块的初始条件 
        神经元 - 神经网络Simulink的模块库。 
     
        trainb - 批具有重量与偏见学习规则的培训。 
        trainbfg - 的BFGS拟牛顿倒传递。 
        trainbr - 贝叶斯规则的BP算法。 
        trainbu - 与重量与偏见一批无监督学习规则的培训。 
        trainbuwb - 与体重无监督学习规则与偏见一批培训。 
        trainc - 循环顺序重量/偏见的培训。 
        traincgb - 共轭鲍威尔比尔重新启动梯度反向传播。 
        traincgf - 共轭弗莱彻-里夫斯更新梯度反向传播。 
        traincgp - 共轭波拉克- Ribiere更新梯度反向传播。 
        traingd - 梯度下降反向传播。 
        traingda - 具有自适应LR的反向传播梯度下降。 
        traingdm - 与动量梯度下降。 
        traingdx - 梯度下降瓦特/惯性与自适应LR的反向传播。 
        trainlm - 采用Levenberg -马奎德倒传递。 
        trainoss - 一步割线倒传递。 
        trainr - 随机重量/偏见的培训。 
        trainrp - RPROP反向传播。 
        trainru - 无监督随机重量/偏见的培训。 
        火车 - 顺序重量/偏见的培训。 
        trainscg - 规模化共轭梯度BP算法。 
      
      绘图功能
        plotconfusion - 图分类混淆矩阵。 
        ploterrcorr - 误差自相关时间序列图。 
        ploterrhist - 绘制误差直方图。 
        plotfit - 绘图功能适合。 
        plotinerrcorr - 图输入错误的时间序列的互相关。 
        plotperform - 小区网络性能。 
        plotregression - 线性回归情节。 
        plotresponse - 动态网络图的时间序列响应。 
        plotroc - 绘制受试者工作特征。 
        plotsomhits - 小区自组织图来样打。 
        plotsomnc - 小区自组织映射邻居的连接。 
        plotsomnd - 小区自组织映射邻居的距离。 
        plotsomplanes - 小区自组织映射重量的飞机。 
        plotsompos - 小区自组织映射重量立场。 
        plotsomtop - 小区自组织映射的拓扑结构。 
        plottrainstate - 情节训练状态值。 
        plotwb - 图寒春重量和偏差值图。 
      
      列出其他神经网络实现的功能
        nnadapt - 适应职能。 
        nnderivati​​ve - 衍生功能。 
        nndistance - 距离函数。 
        nndivision - 除功能。 
        nninitlayer - 初始化层功能。 
        nninitnetwork - 初始化网络功能。 
        nninitweight - 初始化权函数。 
        nnlearn - 学习功能。 
        nnnetinput - 净输入功能。 
        nnperformance - 性能的功能。 
        nnprocess - 处理功能。 
        nnsearch - 线搜索功能。 
        nntopology - 拓扑结构的功能。 
        nntransfer - 传递函数。 
        nnweight - 重量的功能。 
        nndemos - 神经网络工具箱的示威。 
        nndatasets - 神经网络工具箱的数据集。 
        nntextdemos - 神经网络设计教科书的示威。 
        nntextbook - 神经网络设计教科书的资讯。 

     

     

    Save

     

    展开全文
  • Matlab emd工具箱、时频分析工具箱下载以及安装方法

    万次阅读 多人点赞 2014-02-27 15:42:22
    Matlab工具箱通用安装方法 从写完这篇文章到现在,访问量很大,影响也就比较大。虽然自己的工作已经与这方面没有多大的关系了,但本想为读者负责的态度,今天更新这篇文章,将各个工具包的最新链接供大家免费下载,...

     

    Matlab工具箱通用安装方法

    从写完这篇文章到现在,访问量很大,影响也就比较大。虽然自己的工作已经与这方面没有多大的关系了,但本想为读者负责的态度,今天更新这篇文章,将各个工具包的最新链接供大家免费下载,因为是从官方英文网站下载的最新源码文件,并没有中文解释说明,请大家理解!如对最新版的的使用有什么问题,原谅我无法帮助大家了。每个工具箱的最新版在安装说明后都有免费下载链接,以后的路很长,我只能帮你到这里了。

    一、EMD工具箱安装方法

    1.下载emd工具箱:地址1-http://download.csdn.net/detail/makenothing/6969345 ,(链接2:http://download.csdn.net/detail/makenothing/9734265 )下载后解压放在matlab的toolbox工作路径下package_emd文件夹。
    2、打开matlab,选择File- Set Path- Add with Subfolders-你刚才下载的工具箱(package_emd)点进去- Save- Close。
    3、此时选择work下package_emd文件夹作为工作路径,即是C:\Program Files\MATLAB\R2010a\toolbox\package_emd。
    4、在Command Window里面输入mex -setup回车,问是否选择已有的编译器你选y回车,再问选择哪个编译器,你可以选择C++的那个选择相应的编号(如 2)回车,然后让你核对是否选择对了编译器等等,你输入y回车。就安装成功了


     

    >> mex -setup
    
    Please choose your compiler for building external interface (MEX) files:
    
    
    
    Would you like mex to locate installed compilers [y]/n? y
    
    
    
    Select a compiler:
    
    [1] Lcc-win32 C 2.4.1 in C:\PROGRA~1\MATLAB\R2010a\sys\lcc
    
    [2] Microsoft Visual C++ 6.0 in C:\Program Files\Microsoft Visual Studio
    
    
    
    [0] None
    
    
    
    Compiler: 2
    
    
    **************************************************************************
    
      Warning: The MATLAB C and Fortran API has changed to support MATLAB  
    
               variables with more than 2^32-1 elements. In the near future
    
               you will be required to update your code to utilize the new
    
               API. You can find more information about this at:
    
               http://www.mathworks.com/support/solutions/en/data/1-5C27B9/?solution=1-5C27B9
    
               Building with the -largeArrayDims option enables the new API.
    
    ************************************************************************** 
    Please verify your choices:
    
    
    
    Compiler: Microsoft Visual C++ 6.0
    
    Location: C:\Program Files\Microsoft Visual Studio
    
    
    
    Are these correct [y]/n? y
    
    
    
    Trying to update options file: C:\Users\Administrator\AppData\Roaming\MathWorks\MATLAB\R2010a\mexopts.bat
    
    From template: C:\PROGRA~1\MATLAB\R2010a\bin\win32\mexopts\msvc60opts.bat
    
    
    
    Done . . .
    
    

     


     

    至此,表示安装成功!!

    ========================================================================

    emd最新版(emd-1.3)下载地址:http://download.csdn.net/detail/makenothing/9734249

    官方链接地址:https://atoms.scilab.org/toolboxes/emd_toolbox

    ========================================================================

    二、时频分析工具箱安装

    1、首先下载工具箱,http://download.csdn.net/detail/makenothing/6969447。(免费链接:http://download.csdn.net/detail/makenothing/9734266)下载后解压放在matlab的toolbox工作路径下TFTB文件夹。
    2、打开matlab,选择File- Set Path- Add with Subfolders-你刚才下载的工具箱(package_emd)点进去- Save- Close。
    3、此时选择work下package_emd文件夹作为工作路径,即是C:\Program Files\MATLAB\R2010a\toolbox\TFTB 。
    4、在Command Window里面输入mex -setup回车,问是否选择已有的编译器你选y回车,再问选择哪个编译器,你可以选择C++的那个选择相应的编号(如 2)回车,然后让你核对是否选择对了编译器等等,你输入y回车。就安装成功了

     mex -setup
    
    Please choose your compiler for building external interface (MEX) files:
    
    
    
    Would you like mex to locate installed compilers [y]/n? y
    
    
    
    Select a compiler:
    
    [1] Lcc-win32 C 2.4.1 in C:\PROGRA~1\MATLAB\R2010a\sys\lcc
    
    [2] Microsoft Visual C++ 6.0 in C:\Program Files\Microsoft Visual Studio
    
    
    
    [0] None
    
    
    
    Compiler: 2
    
    
    
    Please verify your choices:
    
    
    
    Compiler: Microsoft Visual C++ 6.0
    
    Location: C:\Program Files\Microsoft Visual Studio
    
    
    
    Are these correct [y]/n? y
    
    
    
    Trying to update options file: C:\Users\Administrator\AppData\Roaming\MathWorks\MATLAB\R2010a\mexopts.bat
    
    From template: C:\PROGRA~1\MATLAB\R2010a\bin\win32\mexopts\msvc60opts.bat
    
    
    
    Done . . .
    
    
    
    **************************************************************************
    
      Warning: The MATLAB C and Fortran API has changed to support MATLAB  
    
               variables with more than 2^32-1 elements. In the near future
    
               you will be required to update your code to utilize the new
    
               API. You can find more information about this at:
    
               http://www.mathworks.com/support/solutions/en/data/1-5C27B9/?solution=1-5C27B9
    
               Building with the -largeArrayDims option enables the new API.
    
    **************************************************************************

     至此,安装成功 !

     

    ========================================================================

    最新版(tftb-0.2)下载地址:http://download.csdn.net/detail/makenothing/9734246

    官网地址:http://download.savannah.gnu.org/releases/tftb

    ========================================================================

    机器学习以及人工智能的学习需要扎实的数学功底才能走的更远,爬的更高,所以打好数学基础是关键,但无论工作学习都没有充足的时间去拿着书本一个字一个字的去学习了,这里我建议大家找几个比较靠谱入门的机器学习或者人工智能学习平台,一定要系统全面的去学习才能有效果,不要半途而废,

    在此推荐人工智能入门教程,零基础教程,简单通俗易懂,风趣幽默,由浅及深,点击这里可以直达:人工智能入门基础教程

    Good Luck ! 

    2019年12月01日16:30

    yycaptain

     

    展开全文
  • MATLAB中神经网络工具箱的使用

    万次阅读 多人点赞 2017-03-24 19:20:18
    今夕何夕兮,前些天把玩了一下MATLAB中神经网络工具箱的使用,忽有“扪参历井仰胁息”之感。别的倒是没什么,只是神经网络的数据组织结构有些“怪异”,要是不小心就会导致工具箱报错。以下便是神经网络工具箱的正确...

    今夕何夕兮,前些天把玩了一下MATLAB中神经网络工具箱的使用,忽有“扪参历井仰胁息”之感。别的倒是没什么,只是神经网络的数据组织结构有些“怪异”,要是不小心就会导致工具箱报错。以下便是神经网络工具箱的正确打开姿势,谨供诸君参考:

    1.打开MATLAB,在命令行输入nntool,将出现如下界面:

     

    图1 神经网络工具箱主界面

     

    其中最主要的分为6个部分:第1部分中显示的是系统的输入数据;第2部分是系统的期望输出;第3部分是网络的计算输出;第4部分是网络的误差,即2和3之间的差异;第5部分呈现的是已经建立的神经网络实例;第6部分的两个按钮分别负责数据的导入和网络模型的建立。

    2.点击“Import”按钮,分别导入输入数据与目标输出数据(数据可从工作区导入,也可从文件导入):

     

    图2 导入输入数据集

     

    图3 导入期望输出数据集

     

    导入数据后主界面的情况如下:

    图4 导入数据后的情况

     

    重要说明:神经网络的数据是以列为基本单位的,即输入与输出数据的列数必须相同,否则将报错!如果原先数据是以行为单位组织的话,可以先在MATLAB中实现转置然后再导入,即B = A’。

    3.现在需要的数据已经有了,下一步就是建立一个神经网络模型对数据集进行学习。以下步骤以BP网络为例,首先点击“New”按钮,出现如下界面:

    图5 神经网络模型设置

     

    几个重要部分已在上图中框出:1处用于定义该神经网络的名称;2处用于选择神经网络的类型;3处用于选择网络的输入数据;4处用于确定网络的期望输出数据;5、6、7处分别对神经网络的主要机制函数进行设置;8处设置网络层数;9处用于选择各网络层(需要说明的是:第1层指的是隐含层而不是输入层),从而在10和11处可以对该层的神经元个数和传递函数进行设置;12处按钮可以用于查看当前所设置的神经网络的结构图(下附图);点击13处按钮即可生成对应的神经网络模型。前面只是简单地介绍了各个部分的作用,具体参数应该如何设置就只有各位自行去学习相关的文献了,此处不再多言。

    图6 神经网络结构预览

     

    4.现在模型和数据都有了,下一步该进行模型的训练了。回到主界面如下:

    图7 回到主界面

     

    选中我们刚才建立的神经网络模型,然后点击“Open”按钮,将会出现如下界面:

    图8 神经网络界面

     

    在这里主要介绍两个选项卡中的内容,一个是“Train”,另一个是“Adapt”。点击“Train”选项卡后做相应的设置即可进行神经网络的训练:

    图9 模型主要信息设置

    图10 模型具体参数设置

     

    设置完所有信息后点击“TrainNetwork”按钮即可进行网络的训练了。训练完成后会有一个结果信息界面,如下:

    图11 训练结果反馈

     

    5.OK,现在模型训练也结束了,那么下一步自然是要来验证我们训练的模型。先导入验证输入和验证输出,这一步不再重提。然后来到模型验证界面:

    图12 验证数据导入后

     

    图13 验证参数设置

     

    红框1中设置网络的输入和验证输出;2中设置网络输出和误差情况的存储名;这些都完成之后点击“Adapt Network”后即可。此后会出现如下的提示界面:

    图 14 提示界面

     

    接下来再回到神经网络主界面如下:

    图15 网络验证结果

     

    此时界面中会多出红框所框出的两组数据,它们分别是网络的输出与对应的输出误差。具体的数据可以通过双击它们来打开查看。

    重要说明:

    神经网络的输入和输出数据要求每列为一个样本,按平常的习惯可能需要转置一下。

    否则可能会报输入/输出样本数量不同的错误。

    如果出现“input data size does not match net.inputs{1}.size”错误,那是因为创建神经网络是设定的输入个数与样本数据的输入个数不同而引起的,重新创建合适的神经网络即可。

     

     

     

     

     

     

     

     

     

     

     

    展开全文
  • Matlab机器人工具箱

    万次阅读 多人点赞 2015-10-06 22:52:02
    文章开头有我上传的机器人工具箱链接,有需要的同学可以自行下载。CSDN下载积分不能设置为0,抱歉~ 没有积分的同学可以去官网下载搞定。 老爷子很厉害,那本《Robotics, Vision & Control》就是他本人写的,可....
  • matlab模糊控制工具箱使用和模糊控制pid实例参考

    万次阅读 多人点赞 2019-02-28 13:26:17
    Matlab模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径,通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算,只需要设定相应参数,就可以很快得到我们所需要的控制器,而且修改也非常方便。...
  • 研读《深入解析Windows操作系统第四版》,对这几个工具箱的说明整理记录一下。 Windows支持工具箱,在任何一个Windows产品发布介质的\Support\Tools文件夹中运行Setup.exe进行安装。 包括大约40个工具,对于管理和...
  • • MATLAB有三十多个工具箱大致可分为两类:功能型工具箱和领域型工具箱.$ B; `: L2 v, Q/ B4 Z" o  功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能,能...
  • 在网上,发现可以通过神经网络工具箱这个GUI界面来创建神经网络,其一般的操作步骤如下: 1:在输入命令里面输入nntool命令,或者在应用程序这个选项下找到Netrual Net Fitting 这个应用程序,点击打开,就能看见...
  • matlab2014中怎么安装工具箱工具箱为drtoolbox,这个工具箱好用吗?
  • matlab工具箱

    万次阅读 2018-04-19 16:14:38
    (1)MATLAB工具箱简介在命令行里敲击ver,回车,查看matlab已经安装的工具箱。在matlab中常用的工具箱有原文地址1.优化工具箱​​用途:优化问题调用命令:在CommandWindow输入“optimtool”​,其窗口如下图1...
  • Java工具箱

    千次阅读 2019-01-13 21:19:43
    本文类似于一个Java开发的“工具箱”,会记录一些Java开发者常用到的工具,例如:工具的一些环境配置、常用的技术网站等。本文不会一下子就有很多内容,会不断的完善。 一、JDK环境变量配置 Windows环境 1.首先...
  • 一、软件介绍EDFBTools工具箱是一款基于autocad平台采用Visual Lisp语言专门针对桥梁工程师开发的小工具集工具箱工具箱主要包含10大工具包,70多个小程序。因为软件全部采用Autocad平台内置的二次开发平台和开发...
  • 首先介绍一下常用工具箱的调用命令,这部分持续更新,遇到再补充,也欢迎大家在评论区补充。 1.优化工具箱:optimtool 2.系统辨识工具箱:ident 3.数字信号处理工具箱:sptool 4.神经网络工具箱:nnstart ...
  • MATLAB工具箱概述

    千次阅读 2019-11-07 15:54:10
    数字信号处理有主工具箱(任何一版的MATLAB中都有)和专用工具箱。主工具箱的位置为...\MATLAB\R2018a\toolbox\matlab(以R2018a版本为例)。主工具箱中有很多函数库,如下图所示。 查询各个函数库或者工具箱中的...
  • MATLAB工具箱

    千次阅读 2015-09-20 10:22:00
    Toolbox工具箱 序号 工具箱 备注 数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱 2 Partial Differential Euqation Toolbox 偏微分方程工具箱 3 Statistics ...
  • 问题:写好自定义控件后,从工具箱调用时提示出错:“未能加载工具箱项xxx,将从工具箱中移除”,重启VS仍旧无法解决; 处理:原因是没有进行编译,只要重新生成解决方案即可。 ...
  • Matlab拟合工具箱的使用

    万次阅读 多人点赞 2016-09-08 17:02:36
    1.打开 CFTOOL 工具箱。g",点开"Curve Fitting Tool",出现数据拟合工具界面,基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”,打开工具箱。  2.输入...
  • matlab工具箱使用总结

    万次阅读 多人点赞 2018-08-05 18:04:36
    matlab给很多专业操作提供了工具箱合集,在工具箱中将相似的功能和求解算法集中在了一起,通过图形化的交互操作,使得原本繁杂的操作变得简单起来。 接下来就总结一些在数学建模中常用的工具箱的使用经过 我的...
  • Android工具箱APP源码分享:“一个工具箱

    千次阅读 热门讨论 2019-02-17 17:01:41
    Android工具箱APP源码分享:“一个工具箱” 功能一览 这是一个Android工具箱APP,主要功能列表: 天气查询 手电筒 编码/解码(BASE64、MD5、SHA1) 摩斯码 屏幕直尺 短网址生产 网页源码获取 随机数生成 进制转换...
  • MAPLE工具箱

    千次阅读 2018-04-19 22:17:52
    MATLAB用Newton_raphson方法求解非线性方程组,各种出错,原来是没有使用MAPLE工具箱啊,使用了之后,结果就出来了。之前比较复杂的公式,也能显示出来了。MAPLE工具箱比较适合于符号计算。...
  • Matlab工具箱介绍

    千次阅读 2019-01-22 19:27:51
    以下为工具箱的用途,可对照选择安装需要的工具箱。 Simulink 9.1 仿真软件9.1 Antenna Toolbox 3.1 天线工具箱3.1 Automated Driving System Toolbox 1.2 自动驾驶系统工具箱1.2 Bioinformati...
  • Matlab数据降维工具箱

    千次下载 热门讨论 2012-04-26 17:33:22
    Matlab数据降维工具箱,包括几乎所有的数据降维方法:PCA、LDA、ICA、MDS、Isomap、LandmarkIsomap、LLE、LLC、Laplacian、HessianLLE、LTSA、DiffusionMaps、KernelPCA、KernelLDA、SNE、NPE、LPP、SPE、LLTSA、...
  • Matlab 工具箱介绍

    2018-02-07 15:54:00
    Toolbox工具箱 序号 工具箱 备注 数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱 2 Partial Differential Euqation Toolbox 偏微分方程工具箱 3 Statistics Toolbox ...
  • MATLAB时频工具箱函数说明(包含工具箱的下载,安装,使用)信号产生函数噪声产生函数模糊函数Affine类双核线性时频处理函数Cohen类双核线性时频处理函数其他处理函数时频分析工具箱下载时频分析工具箱安装教程时频...
  • Matlab图论工具箱

    千次阅读 2019-11-23 23:53:12
    Matlab图论工具箱 文章目录Matlab图论工具箱稀疏矩阵与普通矩阵的转化有向图最大流graphmaxflow注意事项图最小生成树graphminspantree其他参数两节点最短路graphshortestpath其他参数每对节点间的最短路径...
  • Matlab系统辨识工具箱

    千次阅读 2019-09-05 17:39:20
    Matlab 系统辨识工具箱 内容简介 调用matlab系统辨识工具箱 使用matlab 系统辨识工具箱 关于系统工具箱的实验 调用Matlab系统辨识工具箱 这个图标就是系统辨识工具箱,双击将其打开; 再import data里面调节输入...
  • 深度学习目标检测工具箱mmdetection,训练自己的数据 商汤科技(2018 COCO 目标检测挑战赛冠军)和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection,支持Faster-RCNN,Mask-RCNN,...
  • C#工具箱自己开发

    热门讨论 2015-07-13 17:16:22
    自己开发的C#工具箱,包含各种常用仪表控件,曲线图控件,水塔,开关,按钮控件。尽情相互交流留下宝贵意见
  • 谢菲尔德大学遗传算法gatbx工具箱安装

    万次阅读 多人点赞 2018-03-11 23:03:32
    在接触遗传算法时,常提及谢菲尔德大学遗传算法的matlab工具箱,从网上搜了很多博客都没有说到怎么去安装,而且工具箱的下载需要积分,非常让人讨厌,授人以鱼不如授人以渔嘛。 (1)免费下载(官网) ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 45,668
精华内容 18,267
关键字:

工具箱