利用Matlab神经网络预测数据的方法与技巧

%%学习目标：线性神经网络

%%收敛速度和精度比之前讲的感知器神经网络要高

%%主要应用在函数逼近，信号预测，模式识别，系统辨识方面

clear all;
close all;
P=[1.1 2.2 3.1 4.1];
T=[2.2 4.02 5.8 8.1];
lr=maxlinlr(P);                  %获取最大学习速度
net=newlin(minmax(P),1,0,lr);    %建立线性神经网络
net.trainParam.epochs=500;       %训练 做多500次
net.trainParam.goal=0.04;        %训练误差设定为0.04
net=train(net,P,T);
Y=sim(net,P)                     %仿真

%%利用线性神经网络进行信号的预测
clear all;
close all;
t=0:pi/10:4*pi;
X=t.*sin(t);
T=2*X+3;
figure;
plot(t,X,'+-',t,T,'+-');
legend('系统输入','系统输出');
set(gca,'xlim',[0 4*pi]);
set(gcf,'position',[50,50,400,400]);
net=newlind(X,T);
y=sim(net,X);
figure;
plot(t,y,'+:',t,y-T,'r:');
legend('网络预测输出','误差');
set(gca,'xlim,[0.4*pi]');
set(gcf,'position',[50,50,400]);

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删