Question

我需要使用Matlab MLP对数据集进行分类并显示分类。

数据集看起来像

到目前为止，我所做的是：

我创建了一个包含隐藏层（两个神经元）的神经网络 ?? 也许有人可以给我一些建议神经元适合我的例子 ）和输出层（一个神经元）。
我使用过几种不同的学习方法，比如Delta bar Delta，反向传播（这两种方法都与-out一起使用势头和Levenberg-Marquardt。）

这是我在Matlab中使用的代码（Levenberg-Marquardt示例）

net = newff(minmax(Input),[2 1],{'logsig' 'logsig'},'trainlm');
net.trainParam.epochs = 10000;
net.trainParam.goal = 0;
net.trainParam.lr = 0.1;
[net tr outputs] = train(net,Input,Target);

下面显示了Matlab对数据生成的隐藏神经元分类边界，我有点困惑，因为网络应该产生非线性结果，但下面的结果似乎是两条边界线是线性的。

Click to view

生成上图的代码是：

figure(1)
plotpv(Input,Target);
hold on
plotpc(net.IW{1},net.b{1});
hold off

我还需要绘制输出神经元的输出函数，但我仍然坚持这一步。谁能给我一些建议？

提前致谢。

Answer 1

关于隐藏层中神经元的数量，对于这样一个小例子，两个绰绰有余。确定最佳状态的唯一方法是使用不同的数字进行测试。在此常见问题中，您可以找到可能有用的经验法则：http://www.faqs.org/faqs/ai-faq/neural-nets/

对于输出功能，将它分为两步通常很有用：

首先，给定输入向量 x ，隐藏层中神经元的输出为 y = f（ x ）= < strong> x ^ T w + b 其中 w 是从输入神经元到隐藏层的重量矩阵和 b 是偏向量。

其次，您必须将网络的激活函数g应用于上一步的结果向量 z = g（ y ）

最后，输出是点积h（ z ）= z 。 v + n，其中 v 是从隐藏层到输出神经元的权重向量，n是偏差。在多个输出神经元的情况下，您将为每个神经元重复此操作。

我从未使用过matlab mlp函数，因此在这种情况下我不知道如何获得权重，但我确信网络将它们存储在某个地方。编辑：搜索文档我找到了属性：

net.IW numLayers-by-numInputs输入权重值的单元格数组
net.LW numLayers-by-numLayers图层权重值的单元格数组
net.b numLayers-by-1单元格的偏差值数组

Matlab多层感知器问题

1 个答案: