手动模拟 Matlab 神经网络答案

【问题标题】：Manually simulate Matlab neural network手动模拟 Matlab 神经网络
【发布时间】：2017-02-27 05:11:11
【问题描述】：

我尝试手动模拟由 Matlab 工具箱训练的 10 层神经网络。根据这个info，我必须将输入缩放到范围[-1,1]（输出标准化为[0,1]，并且还必须从[-1,1]缩小）。我与 Matlab 的 sim 函数进行比较，输出有很大的失真，如picture 所示，其中上图是手动模拟，下图是 Matlab 的 sim 函数。这是我的简单代码。

clear all;
% x = [0;0;0;0;0;0;0;1;0;0.111;0];
load etp_input;
% t = [0.45];
load etp_target;
load ETp01.mat;
iw = ETp01.IW{1,1};
lw1 = ETp01.LW{2,1};
lw2 = ETp01.LW{3,2};
lw3 = ETp01.LW{4,3};
lw4 = ETp01.LW{5,4};
lw5 = ETp01.LW{6,5};
lw6 = ETp01.LW{7,6};
lw7 = ETp01.LW{8,7};
lw8 = ETp01.LW{9,8};
lw9 = ETp01.LW{10,9};
b1 = ETp01.b{1};
b2 = ETp01.b{2};
b3 = ETp01.b{3};
b4 = ETp01.b{4};
b5 = ETp01.b{5};
b6 = ETp01.b{6};
b7 = ETp01.b{7};
b8 = ETp01.b{8};
b9 = ETp01.b{9};
b10 = ETp01.b{10};
for i=1:365
  x = etp_input(:,i+19*365)*2-1;
  xs = etp_input(:,i+19*365);
  y1 = tansig(iw*x + b1);
  y2 = tansig(lw1*y1 + b2);
  y3 = tansig(lw2*y2 + b3);
  y4 = tansig(lw3*y3 + b4);
  y5 = tansig(lw4*y4 + b5);
  y6 = tansig(lw5*y5 + b6);
  y7 = tansig(lw6*y6 + b7);
  y8 = tansig(lw7*y7 + b8);
  y9 = tansig(lw8*y8 + b9);
  y10 = purelin(lw9*y9 + b10);
  outManual(i) = (y10+1)/2;
  outSim(i) = sim(ETp01,xs);
end
subplot(2,1,1);
plot(outManual);
subplot(2,1,2);
plot(outSim);

我有年度数据集，这就是我执行 365 for 循环的原因。那么，我在这里错过了什么？我有大量的年度数据集，它们只是随机给出不同的输出失真（上面的代码使用第 19 组数据）。任何帮助，将不胜感激。这是代码的一部分，所以我需要提供任何进一步的信息，请告诉我。谢谢你们。 :D:D:D

已编辑：

我使用 nntool 创建网络并将网络对象保存在 mat 文件中。上面更新了完整的代码。
这是来自 Matlab 的 network view。

【问题讨论】：

您能否展示如何在 MATLAB 中创建您的神经网络？请尝试发布minimal reproducible example。此外，差异还不错。
我更新了代码并在帖子中添加了网络的图片。谢谢。
a1,a2,a3,a4... 不是一个好主意。我建议你使用 3D 矩阵或元胞数组...
感谢您的建议。我已经在我的 Qt 项目中移植了这个，这就是为什么我不想使用那些 3D 矩阵或单元阵列......

标签： matlab neural-network

【解决方案1】：

我找到了解决方案。我使用的缩放是正确的想法，但我的输入没有相同的范围（最后两个元素在 [0,0.777] 中，而前 9 个元素是 [0, 1]）。所以我必须单独缩放它们。（见 Matlab 中的 mapminmax 函数）。感谢stackoverflow...：D

【讨论】：