如何对训练后的神经网络进行最优化处理？？
各位大侠：如何对下面例子中得到的网络进行最优化处理，求得使t达到最小值的P值。
急需指教！！ 感谢非常!!
输入矢量为
p =[-1 -2 31
-11 5 -3]
目标矢量为 t = [-1 -1 1 1]
解：本例的 MATLAB 程序如下：
close all
clear
echo on
clc
% NEWFF——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
% SIM——对 BP 神经网络进行仿真
pause
%敲任意键开始
clc
%定义训练样本
% P 为输入矢量
P=[-1,-2, 3, 1; -1, 1, 5,-3];
% T 为目标矢量
T=[-1, -1, 1, 1];
pause;
clc
%创建一个新的前向神经网络
net=newff(minmax(P),,{'tansig','purelin'},'traingdm')
%当前输入层权值和阈值
inputWeights=net.IW{1,1}
inputbias=net.b{1}
%当前网络层权值和阈值
layerWeights=net.LW{2,1}
layerbias=net.b{2}
pause
clc
%设置训练参数
net.trainParam.show = 50;
net.trainParam.lr = 0.05;
net.trainParam.mc = 0.9;
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
pause
clc
%调用 TRAINGDM 算法训练 BP 网络
=train(net,P,T);
pause
clc
%对 BP 网络进行仿真
A = sim(net,P)
%计算仿真误差
E = T - A
MSE=mse(E)
pause
clc
echo off
页:
[1]