Question

我目前正在使用MATLAB神经网络工具优化加热器性能的项目，我阅读了手册并从MATLAB手册获得了指导。我已经配置了网络并进行了测试，我需要的是两点：我在正确的轨道上吗？我的网络是否正确？我需要专家的建议 2.我需要（优化）加热器的性能，我已经定义了我的功能，但我不知道如何在功能优化中集成网络。我的网络如下 3输入x1 x2 x3 一出一个

load input1
load input2
load input3

x1= importdata('input1.txt');  (similar the other inputs and output)
[x1n,x1min,x1max]=norm_nn(x1);  ( I worte my own normalization function)
IN=[x1n x2n x3n]';
OUT=[y1n]';
INTRAIN = IN(:,1:1307);
OUTTRAIN = OUT(:,1:1307);
INTEST =IN(:,1308 : 1634);
OUTTEST = OUT(:,1308:1634);
NETWORKNet1 = newff(IN,OUT,[20 20 20], {'tansig' 'tansig' }, 'trainbr');
net = init (NETWORKNet1);
NETWORKNet1 = trainbr(NETWORKNet1,INTRAIN,OUTTRAIN);
YtestNwt1 = sim(NETWORKNet1,INTEST);
y1testd=denorm_nn7(YtestNet1(1,:),y1min,y1max);
e1=er8(y1testd,y1(1308:1634));
save Net1

我使用了（1634个数据点并将其划分为训练（80％）和测试（20％））

Answer 1

以下是一些建议：

（A）使用feedforwardnet，因为不推荐使用newff

（B）绘制训练，测试数据和网络结果，以便更容易地看到正在发生的事情。

（C）通过编写[20 20 20]，您的网络有3个隐藏层。绝大多数问题只需要1个隐藏层。只有当所有其他途径都已耗尽时，才能移动到多个隐藏层。

（D）首先在训练数据上测试网络（即sim命令）。这是对神经网络的“简单”测试，应该在您继续前进行。然后，您可以使用测试数据（网络未经过培训）对其进行测试。这将显示网络是否已经推广了它正在尝试学习的数据的形状验证也是帮助网络概括的另一个重要因素。如果您查看matlab神经网络训练窗口（nntraintool）并单击“性能”，其中一个图形应标记为“验证”。

关于您的具体问题：
1.我的网络是否正确？ - 没有看到数据集很难说 2.优化加热器的性能 - 在简单的水平上，您将拥有一个输出神经元，数字在0和1之间，表示加热器性能。然后，输入神经元包含所涉及的任何其他参数但现在，只要有任何输入组合，网络就只能预测性能。它将无法告诉您哪些输入将为您提供最大输出。对于只有3个输入，具有低分辨率/粒度，您可以尝试详尽/强力搜索。否则，研究遗传算法以快速找到一个好的解决方案。

Matlab神经网络建议

1 个答案: