我目前正致力于使用星形拓扑中的Zigbee WSN的室内导航系统。
我目前在15m×10左右的区域内有60个位置的信号强度数据。我想用ANN来帮助预测其他位置的坐标。经过一些线程后，我意识到规范化数据会给我带来更好的结果。
我尝试过并重新训练了我的网络几次。我设法将MATLAB的nntool中的目标参数设置为值.000745，但是在我将训练样本作为测试输入，然后将其缩放回来之后，它仍然给出了一个值。
值为.000745表示我的数据非常贴合，对吧？如果是的话，为什么会出现这种异常？我正在划分并乘以最大值以进行标准化并分别将值缩放。
有人可以解释一下我可能出错的地方吗？我使用了错误的训练参数吗？ （我正在使用TRAINRP，4层，每层有15个神经元，目标是1e-8，梯度为1e-6和100000个时期）
为此，我应该考虑人工神经网络以外的其他方法吗？
请帮忙。
答案 0 :(得分：0)
对于空间数据，您始终可以使用高斯过程回归。使用适当的内核，您可以很好地预测，GP回归是一件非常简单的事情（只需矩阵求逆和矩阵向量乘法）您没有太多数据，因此可以轻松完成GP回归。有关GP回归的好消息，请检查this。
答案 1 :(得分：0)
你做了什么？输入或输出？您的训练集是否缩放输入+输出，测试时只输出输出？
您使用什么样的错误措施？我假设你的“目标参数”是一个误差测量。是SSE（平方误差之和）还是MSE（均方误差）？ 0.000745似乎非常小，通常你的训练数据几乎没有错误。
您的ANN架构可能太深，初始测试的隐藏单元太少。尝试不同的架构，如40-20个隐藏单元，60 HU，30-20-10 HU，......
您应该生成一个测试集来验证ANN的概括性。否则过度拟合可能是个问题。