Question

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]（输出规范化为[0,1]，并且还必须从[-1,1]缩放）。我比较了Matlab的sim函数，并且输出有很大的失真，如picture所示，上图是手动模拟，下面是Matlab的模拟。功能。这是我的直截了当的代码。

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);

我有一组年度数据，这就是我为什么要进行365 for循环的原因。那么，我在这里想念的是什么？我有大量的年度数据集，他们只是随机地给出了不同的输出失真（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

编辑：

我使用nntool创建网络并将网络对象保存在mat文件中。完整的代码在上面更新。
以下是Matlab的network view。

Answer 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]而前9个元素是[0,1]）。所以我必须分开缩放它们。（参见Matlab中的mapminmax函数）。谢谢stackoverflow ...：D

手动模拟Matlab神经网络

1 个答案: