如何对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 最优化处理?
网络性能良好与否
要看网络相关的各个参数的设定
以及网络训练量的多少
还与其他因素有关
不知道是否有这样的理论专门来使网络最优化? 求得使t达到最小值的P值
这个让我看的一头雾水
何为t的最小值，t不变的，
一般是由p(这个和训练的一般不同，去预测目标t)
先了解神经网络能做什么吧，不用以为神经网络是万能的，什么都能做 各位仁兄！！
我可能开始没把问题说明白！！
我的意思是，如果用P,T样本对网络进行训练，训练后得到的网络应该是能反应P与T之间的函数关系，
即T=net(P)，那么当输入参数P在一定的定义域里，T=net(P)应有个最小值，如何求这个最小值，同时
如何获得对应的P值，能不能给小弟一个实例！！
感谢非常！！ 先查阅相关文献吧，看有没有做过类似的，可行性如何？
如果查不到相关文献，说明这个没人做过，也就不存在实例一说
如果用P,T样本对网络进行训练，训练后得到的网络应该是能反应P与T之间的函数关系，
即T=net(P)，那么当输入参数P在一定的定义域里，T=net(P)应有个最小值，如何求这个最小值，同时
如何获得对应的P值
这个是你和老师共同讨论的结果还是你个人的想法，我不清楚
总之不要想当然，觉得好象是这样，否则到时候你完成不了
如果是在学校，多和老师讨论讨论会对你更有帮助一些，毕竟你要做的不是三言两语能说清楚的 网络确定以后即连接权确定，那么对于输入P来说输出T应该是一定的吧，没有最小值的吧！
页:
[1]