matlab BP神经网络预测下一组数据问题

问题描述：

matlab BP神经网络预测下一组数据问题
如题,输入p为n行6列,下面代码我仅举例了4行,实际有很多行.
现需要进行matlab使用BP神经网络编程,将以前的所有样本进行训练,预测下一组将出现的6个数据.
实际上就是已知前N组样本,预测下一组样本的数值.
代码如下：
%输入数据
clear;
clc;
p=[23 25 26 27 29 26;
22 24 26 27 25 18;
12 13 15 18 19 22;
16 17 15 18 19 12] %实际p有很多行数据,此处仅列举4行.
[m,n]=size(p);
pn=p(1:m-1,:); %此处将第一行到倒数第二行作为训练样本
pn=pn*0.01; %此处因为知道pn输入所有数介于0到99之间,因此直接乘以0.01进行数据归一.
tn=p(m,:); %最后一行作为验证结果
tn=tn*0.01; %此处因为知道pn输入所有数介于0到99之间,因此直接乘以0.01进行数据归一.
pn=pn';
tn=tn'; %对pn和tn进行转置
net=newff(minmax(pn),[18,6],{'tansig','logsig'},'trainbr'); %建立网络
net.trainParam.show = 50; %多少轮显示一回
net.trainParam.lr = 0.05;
net.trainParam.epochs = 800; %最大训练轮数
net.trainParam.goal = 1e-5; %目标函数误差
%开始训练
ttn=sim(net,ppn);
ttn=ttn'*100; %数据进行转置并还原真实值
运行上述代码后,发现结果如下：
ans =
2.2222e+014
为什么不能得到我想要的下一组数据呢?
实际上我只需要训练已知所有样本,预测得到下一组样本即可.
不知代码是否思路正确,或者有更好的思路或建议的话,

1个回答分类：综合 2014-11-12

问题解答：

我来补答

-请问此处如何处理,能够达到让pn等于所有的已知样本来作为预测样本输入?
不知道问题出在哪里,为什么不能得到我想要的下一组数据呢?矛盾啊
http://wenku.baidu.com/link?url=5sPeHwbbotF80NS4oh94zeMshhP68JhbRIqTcBeeAfJ9ZnVheg-_W07sq789GvER80S4IieJ8VRjoh7y-txeT1nFpw5Wi4YX9c9PaogxfOS
再问：我查了很多资料，一般情况下实例中输入p可以是多个维度，可是输出n一般是1维的，所以我才有此疑问。
再答： n完全可以是多维的. 新版newff与旧版newff调用语法对比比如输入input（6*1000），输出output为（4*1000），那么旧版定义：net=newff(minmax(input),[14,4],{'tansig','purelin'},'trainlm'); 新版定义：net=newff(input,output,14,{'tansig','purelin'},'trainlm');
再问：非常感谢你的回答。我暂时用的是matlab7，应该是旧版的对吧，所以我现在怎么改都不能得出想要的输出。如果是R2010B的话，是不是可以用新版本了？另外，我的本意是，如何用历史数据中的n-1个样品，训练得出第n个样品输出，然后通过输入n个样品，仿真得出下一组数据。这个新版本的nweff函数能实现吗？代码如何写？
再答： %% 清空环境变量 clc clear %% 训练数据预测数据 input1=rand(768,8); output1=round(rand(768,1)); data=[input1,output1]; %从1到768间随机排序 k=rand(1,768); [m,n]=sort(k); %输入输出数据 input=data(:,1:8); output =data(:,9); %随机提取500个样本为训练样本，268个样本为预测样本 input_train=input(n(1:500),:)'; output_train=output(n(1:500),:)'; input_test=input(n(501:768),:)'; output_test=output(n(501:768),:)'; %输入数据归一化 [inputn,inputps]=mapminmax(input_train); %% BP网络训练 % %初始化网络结构 net=newff(inputn,output_train,10); net.trainParam.epochs=1000; net.trainParam.lr=0.1; net.trainParam.goal=0.0000004;

展开全文阅读