为什么BP神经网络每次运算结果不一样
![为什么BP神经网络每次运算结果不一样_第1页](https://file2.zhuangpeitu.com/fileroot2/2021-12/7/a4ab0b6a-27fc-4967-afa1-e164b06cd142/a4ab0b6a-27fc-4967-afa1-e164b06cd1421.gif)
《为什么BP神经网络每次运算结果不一样》由会员分享,可在线阅读,更多相关《为什么BP神经网络每次运算结果不一样(1页珍藏版)》请在装配图网上搜索。
1、神经网络每次结果不同的原因解析 神经网络每次结果不同是因为初始化的权值和阈值是随机的 因为每次的结果不一样,才有可能找到比较理想的结果啊 找到比较好的结果后,用命令save file name net保存网络,可使预测的结果不会变化 ,调用时用命令 load filename net; 取 p_test= ;t_test= ; t=sim(net,p_test); err=t_test-t;plot(p_test,err); 选择误差小的保存网络save filename net以后调用时load filename net p_test= ;t_test= ; t=sim(net,p_test
2、); err=t_test-t;plot(p_test,err):因为每次初始化网络时都是随机的, 而且训练终止时的误差也不完全相同, 结果 训练后的权植和阀也不完全相同(大致是一样的) ,所以每次训练后的结果也略 有不同举个例子, 这样初始化就能使网络的输出结果是一样的 ,另外也可以给网络特定 的权值,一种方法是把预测结果后的效果比较好的权值做为初值p=0.8726 0.9441 0;0 0 0.7093;0.7378 0.7093 0.3795;0.6416 0.3795 0.7031;1 0.7031 0.4241;0.7774 0.4241 0.9559;0.9559 0.5012 0
3、.7052;.0.8209 0.7052 0.4983;0.6011 0.4983 1; t=0 0.7378 0.6416 1 0.7774 0.5012 0.8209 0.6011 0.9350; rand(state,0);net=newff(minmax(p),6,1,tansig,logsig,trainlm); net.trainParam.epochs=2000;net.trainParam.goal=0.001;net=train(net,p,t); y=sim(net,p); error=y-t;res=norm(error); p_test=0.9350 1 0.6236;
4、t_test= 0.8027a=sim(net,p_test) rand(state,0);这个的作用是每次初始化一样 0是种子数 ,如果换成其他数 ,就可以产生不同的随机值 注:ran d(state,O);的使用有点为结果相同而相同,至于这样的结果网络性能是否 达到好的要求则没有考虑,建议还是不要用这种方法使每次结果相同用保存网络的方法吧 消除初值影响可以考虑的另一个方法是简单集成神经网络 原理 由于选择不同的权值所得结果不同,使最终神经网络泛化能力体现出一定的随机 性。利用这个特性也可以改善神经网络的泛化能力, 神经网络集成便是利用这种 思路的体现,即先训练一组只有初始权值不同的子网,然后通过各子网 “表决 (Voting)” 的形式(如加权和)得到学习系统的输出。当神经网络集成用于分类器时,集成的输出通常由个体网络的输出投票产生。 通 常利用绝对多数投票法(某分类成为最终结果当且仅当输出结果为该分类的神经 网络的数目最多)。理论分析和大量实验表明,后者优于前者。因此,在对分类 器进行集成时,目前大多采用相对多数投票法。当神经网络集成用于回归估计时,集成的输出通常由各网络的输出通过简单平均 或加权平均产生。 Perrone 等人认为,采用加权平均可以得到比简单平均更好的 泛化能力。
- 温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。