|
闲来无事，利用神经网络进行曲线拟合
目的：拟合正弦曲线；
数据源：正弦曲线+扰动，来自y=sin(x)+n；
测试数据：来自y=sin(x)；
神经网络：BP神经网络，nntool工具箱；
网络：1×10×1；即单隐含层，且隐含层有10个节点；
MATLAB代码：
%%
%本例使用神经网络模拟曲线拟合
%%
clc
clear
%%
x=linspace(-2*pi,2*pi,100);%生成输入数据
y=sin(x);%求出输入数据对应的目标值
n=0.1*rand(1,length(x));%对目标值加入干扰
y=y+n;%求出实际目标值
%%
[xx,ps]=mapminmax(x);%对x进行归一化
Data_input=xx;%网络训练输入
Data_target=y;%网络训练输入对应的目标值
Data_test=linspace(-5,5,20);%网络测试数据
Data_t=mapminmax('apply',Data_test,ps);%网络测试数据归一化
Data_true=sin(Data_test);%网络测试数据对应的目标值
%%
%打开nntool,利用输入输出数据训练网络，网络命名为network
%%
Data_y=sim(network,Data_t);%利用训练好的网络求出测试数据对应的实际输出值
%%
figure(1)
e=Data_true-Data_y;
plot(e)%绘制误差曲线
xlabel('X轴');
ylabel('Y轴');
legend('误差')
%%
figure(2)
plot(Data_test,network1_outputs,'*',x,y)
xlabel('X轴');
ylabel('Y轴');
legend('预测值','实际值','location','NorthEast')
下面具体说明nntool工具箱的使用：
命令行输入nntool:
 打开工具箱界面：  单击Import，导入训练数据，并选择对应的训练类型，如图所示：
 新建网络，命名为network，采用BP神经网络，即误差反向算法，选择Input data和Target
data，其他选项默认，点击Create创建BP神经网络，如下图所示：
 点击View，可以预览网络结构，如下图所示：
返回主界面，选中新建的network，然后点击Open打开，选择Train，再次选择Inputs和Targets，开始训练网络，点击Tarin
netwrk
 训练过程和结果如下图所示：  为了便于在M文件中使用新建的network，可以将其导出到工作空间，点击Export：
 工作空间中出现network，如下图所示：
 接下来可以使用sim函数求网络对测试数据的输出，并绘制误差曲线：
 结果：  可以看出，拟合效果很好
|
|
|
