神经网络数据归一化疑问

mzy

使用函数premnmx和tramnmx；
训练样本大小为18*21，使用premnmx（[pn,minp,maxp] = premnmx(train_tryin12);）后得到minp,maxp大小均为 18*1；
测试样本大小为3*21，使用tramnmx（[tryexe]=tramnmx(train_tryexe12,minp,maxp);）时出错，察看帮助
：
tramnmx(P,minp, maxp)takes these inputs
P -- R x Q matrix of input (column) vectors.
minp -- R x 1 vector containing original minimums for each input.
maxp -- R x 1 vector containing original maximums for each input
----------------------------------------------------------------------------------------------
p与minp,maxp行数R均相同,但是我的样本与测试向量行数并不相同，所以得到的minp,maxp不可能与样本有相同的行数，难道用tramnmx函数归一化时要求测试样本与训练样本有同样的行数？

frogfish

是这样的，给你个例子吧

1. 
   
2. close all
   
3. clear
   
4. echo on
   
5. clc
   
6. %BP建模
   
7. %原始数据归一化
   
8. m_data=[1047.92 1047.83 0.39 0.39 1.0 3500 5075;
   
9. 1047.83 1047.68 0.39 0.40 1.0 3452 4912;
   
10. 1047.68 1047.52 0.40 0.41 1.0 3404 4749;
    
11. 1047.52 1047.27 0.41 0.42 1.0 3356 4586;
    
12. 1047.27 1047.41 0.42 0.43 1.0 3308 4423;
    
13. 1046.73 1046.74 1.70 1.80 0.75 2733 2465;
    
14. 1046.74 1046.82 1.80 1.78 0.75 2419 2185;
    
15. 1046.82 1046.73 1.78 1.75 0.75 2105 1905;
    
16. 1046.73 1046.48 1.75 1.85 0.70 1791 1625;
    
17. 1046.48 1046.03 1.85 1.82 0.70 1477 1345;
    
18. 1046.03 1045.33 1.82 1.68 0.70 1163 1065;
    
19. 1045.33 1044.95 1.68 1.71 0.70 849 785;
    
20. 1044.95 1045.21 1.71 1.72 0.70 533 508;
    
21. 1045.21 1045.64 1.72 1.70 0.70 567 526;
    
22. 1045.64 1045.44 1.70 1.69 0.70 601 544;
    
23. 1045.44 1045.78 1.69 1.69 0.70 635 562;
    
24. 1045.78 1046.20 1.69 1.52 0.75 667 580];
    
25. %定义网络输入p和期望输出t
    
26. pause
    
27. clc
    
28. p1=m_data(:,1:5);
    
29. t1=m_data(:,6:7);
    
30. p=p1';t=t1';
    
31. [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)
    
32. %设置网络隐单元的神经元数(5~30验证后5个最好）
    
33. n=5;
    
34. %建立相应的BP网络
    
35. pause
    
36. clc
    
37. net=newff(minmax(pn),[n,2],{'tansig','purelin'},'traingdm');
    
38. inputWeights=net.IW{1,1};
    
39. inputbias=net.b{1};
    
40. layerWeights=net.IW{1,1};
    
41. layerbias=net.b{2};
    
42. pause
    
43. clc
    
44. % 训练网络
    
45. net.trainParam.show=50;
    
46. net.trainParam.lr=0.05;
    
47. net.trainParam.mc=0.9;
    
48. net.trainParam.epochs=200000;
    
49. net.trainParam.goal=1e-3;
    
50. pause
    
51. clc
    
52. %调用TRAINGDM算法训练BP网络
    
53. net=train(net,pn,tn);
    
54. %对BP网络进行仿真
    
55. A=sim(net,pn);
    
56. E=A-tn;
    
57. M=sse(E)
    
58. N=mse(E)
    
59. pause
    
60. clc
    
61. p2=[1046.20 1046.05 1.52 1.538 0.75;
    
62. 1046.05 1046.85 1.538 1.510 0.75;
    
63. 1046.85 1046.60 1.510 1.408 0.75;
    
64. 1046.60 1046.77 1.408 1.403 0.75;
    
65. 1046.77 1047.18 1.403 1.319 0.75];
    
66. p2=p2';
    
67. p2n=tramnmx(p2,minp,maxp);
    
68. a2n=sim(net,p2n);
    
69. a2=postmnmx(a2n,mint,maxt)
    
70. echo off
    
71. pause
    
72. clc

复制代码

mzy

你给出的例子中训练样本p还是和测试样本矩阵p2的行数一样啊
我训练样本18*21，测试样本就得有18行？

frogfish

原帖由 mzy 于 2008-9-14 09:39 发表

                               
登录/注册后可看大图

你给出的例子中训练样本p还是和测试样本矩阵p2的行数一样啊
我训练样本18*21，测试样本就得有18行？

上贴已经回答你了，是这样的，如果行数不同那就不是同类样本了

mzy

谢谢明白了
你的训练样本和测试样本均是转置后输入函数的，而我则输入前没有转导致行数不一致

frogfish

这个转置经常有人忘掉

killzjh

layerWeights=net.IW{1,1};
是不是应为layerWeights=net.LW{2,1};???????
我不懂请教