地理数据分析与建模集中实习日志(二)(武大遥感).docx

《地理数据分析与建模集中实习日志(二)(武大遥感).docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、地理数据分析与建模集中实习日志（二）matlab实现神经网络神经网络模型(1)前馈神经网络　(　FeedforwardNeuralNetworks)采用BP学习算法的前馈型神经网络通常被称为BP网络。三层BP神经网络结构 一个典型的3层BP神经网络模型如图所示。该概念相对与反馈神经网络相对应(2)反馈神经网络　(　FeedbackNeuralNetworks)反馈型神经网络是一种从输出到输入具有反馈连接的神经网络，其结构比前馈网络要复杂得多。典型的反馈型神经网络有：Elman网络和Hopfield网络。反馈神经网络下面将具体介绍Feedf

2、orwardMatlab中的神经元网络分析主要包含以下步骤：1.数据采集（Collectdata）与数据预处理（DataPreprocessing）////////////////////////////////////////////2.创建网络（Createthenetwork）3.配置网络（Configurethenetwork）4.初始化权值和偏移量（Initializetheweightsandbiases）////////////////////////////////////////////5.训练网络（Trainthene

3、twork）6.验证网络（Validatethenetwork）////////////////////////////////////////////7.使用神经元网络模型进行预测分析（Usethenetwork）1.a.数据采集（Collectdata）与数据预处理（DataPreprocessing）简介：excel表格中的数据为“采样数据”（具体来讲，这些地区的房价是真实值）其余的数据作为房价的影响因素，后面就是使用这两套数据训练建立出来的net。最终目标：当输入任意一个地区的房价影响因素，均可以得到一个预测值（如果输入已知地区的

4、因素，也将得到一个预测数值。当然，该数值在理论上应该与真实值相差不大）拆分exel两组数据的具体方法如下（r2013a）3步1.选matrix2.shift选非最后一列剩下3.更改matrix名字务必进行转置——神经网络的输入和输出数据要求每列是一个样本第一列不是数组delte若下次再想使用这两套值/////////////////////////////////b.数据预处理（DataPreprocessing）在matlab中，在步骤2.创建网络（Createthenetwork）时有缺省实现缺省：removeconstantrows

5、随后进行数据标准化，所以数据均落入（-1,1）之间c.数据分组。Matlab中，使用多层神经元网络进行训练前，首先需要把数据分成三组：训练样本（trainingset）、测试样本（validationset）和验证样本（testset）。训练样本用于计算（本次和上次迭代结果的）梯度，更新网络的权重和增益值；测试样本用于对训练过程的监督，避免训练时的过度拟合现象（过度拟合时训练样本误差逐渐减少，而测试样本误差显著增加）；验证样本为独立样本数据，其所得误差可用于比较不同模型的预测精度，也可用于和测试样本结果进行比较，判断分组是否合理。数据分组

6、同样在创建net时缺省实现，缺省：dividerand要改的话在创建net时候改////////////////////////////////////////////2.创建网络（Createthenetwork）3.配置网络（Configurethenetwork）4.初始化权值和偏移量（Initializetheweightsandbiases）(可以不做)net=feedforwardnet;%创建前向神经元网络feedforwardnet（用于拟合时最常使用的神经元网络结构）net=configure(net,houseInpu

7、ts,houseTargets);%若不对feedforwardnet的默认设置做修改（默认层数为2,隐含层神经元数目为10，训练方法trainlm，隐含层转换函数tansig，默认输出为purelin.），则可直接使用configure命令确认网络配置。Configure时自动初始化权重。以上摘自ppt针对我的代码：net=feedforwardnet；//创建网络net=configure(net,yingxiangyinsu,zhenshifangjia);//确认net配置/////////////////////////////

8、///////////////5.训练网络（Trainthenetwork）6.验证网络（Validatethenetwork）[net,tr]=train(net,yingxiangyins