神经网络的MATLAB GUI实现

dapmood

如何在matlab中通过GUI的方式来创建和训练一个神经网络？本文以一个汽油辛烷值的预测为例讲解。

6 @8 ~' A+ ~+ q6 T首先，先将需要的数据等导入进来。
9 `- P" e, Z1 n9 z  p
链接:https://pan.baidu.com/s/1wqVzwcL1xQ_Uh50XoYqyrw 密码:5wq2
: b' h% D: z. X0 U
%% I. 清空环境变量
1 a& a1 t% w5 q" D8 }clear all
clc
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load spectra_data.mat
4 {5 {9 D/ J$ o$ u
2 m6 `4 [" n- j" R, B! g9 t%%
# [- t  o  E% W% J/ R% 2. 随机产生训练集和测试集
4 B4 ?4 |: r' qtemp = randperm(size(NIR,1));
5 U/ u' @+ y* n" |
3 y6 z: }0 x% ^. F% 训练集――50个样本
" a$ ~+ j* ^5 d$ @2 \P_train = NIR(temp(1:50),: )';
. T/ Z3 b' {- U: a% ~0 Q) E. bT_train = octane(temp(1:50),: )';
7 d7 s# w- @9 u2 X
% 测试集――10个样本
/ Y6 n0 k" |  q$ F! oP_test = NIR(temp(51:end),: )';
5 h; [$ y0 Z& T4 I- G: vT_test = octane(temp(51:end),: )';
N = size(P_test,2);

%% III. 数据归一化
%%
% 1. 训练集
( y+ |- y. x8 W$ r4 \* k[Pn_train,inputps] = mapminmax(P_train);
/ j* L7 b& b% D% `0 |( VPn_test = mapminmax('apply',P_test,inputps);
%%
% 2. 测试集
, ^* b/ ^8 e7 C* r$ Z# N: V[Tn_train,outputps] = mapminmax(T_train);
! b8 n/ u, G. \; v9 o3 ~! fTn_test = mapminmax('apply',T_test,outputps);
# W9 v9 f6 t% {; k& v1 r' q3 B

这里，data.mat是封装好的数据，可以改换成你自己的数据。
9 H( G: \) \6 Y* Y0 z
然后通过命令启动GUI：


8 v2 S, K/ H! ?% Z, X4 k
先选择Import，根据图示导入我们要的数据：
. T: I) ^9 x1 f& x* M
( g# T6 _( |' k4 m% E

3 i; j! }9 ~5 @3 z数据都导入后，就可以点击new来创建神经网络了。根据界面中的提示项，来设置好网络结构：
- Q( O; w$ _, ^3 V7 k- H2 M
' O; y# R8 H; ~6 s) g* l

6 Q/ ?  Z$ K7 l1 R; s* |create之后我们就可以得到这个神经网络了：
" o. o' ^: v5 }/ ^. A3 v
3 t) J1 _5 ~1 u/ k# Q

这里我选的是第一层10个神经元，第二层就是输出层，就一个神经元，是线性激活函数。

接下来就是点击上面的train选项，具体地设置一下训练的参数。

5 x* H9 a$ Y4 ~$ R; X

6 N/ s# b6 d! k0 n5 W+ F& o9 J设置好后，点击右下角的train network！就可以看到如下图的训练窗口了：

' U- u1 j: }7 |: T) j6 M$ d( K

) C4 F) y4 b! R' a& ^3 Q+ F训练好后，我们就可以进行仿真的预测。选择simulate选项：



仿真结束后，可以查看结果了：
, w( K1 s4 L- Z1 _! R
1 v. O6 R/ S" ?

接下来你看工作区就能找到结果已经导出了。
3 K& A; T4 S( S  m( \% {
这个例子中，我输入一个这样的命令来更方便地查看结果：
+ `0 R/ b" W% y* b. M/ ~6 Q
% B, S; `: X. U[Tn_test' network1_outputs' network1_errors']
: u" t# U1 `0 m3 O. @) y5 w- c

) E8 L& e% u7 G( p" J0 g
, S6 f, \  r$ R+ B, A这就是一个简单操作流程了。

+ Y+ w: N- i2 ^4 q# _4 @其实也无非是数据的导入、点击几个按钮完成训练、测试过程，然后查看结果罢了。
. \7 w3 g0 D! N  A
' g/ c. A% W! {0 a2 i$ R3 L小伙伴们动手试一试吧！




+ j9 S$ m4 x: V# z

kekek

很实用