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。

' J0 U0 i. q3 G2 r. w首先，先将需要的数据等导入进来。

0 a# }, k* b( H" u) d( [; T链接:https://pan.baidu.com/s/1wqVzwcL1xQ_Uh50XoYqyrw 密码:5wq2
+ G! {! p2 |0 r. G# [: l% ]" W) F$ T% K+ W
) t2 B6 y8 e7 K%% I. 清空环境变量
clear all
clc
%% II. 训练集/测试集产生
%%
+ k' A6 @- \; f( T% 1. 导入数据
* H0 ~# `) \8 T' c" nload spectra_data.mat
3 D& ]0 a: H4 E* v! e
%%
* }, t& x/ r* l0 X3 L# U  g# {- ~8 _8 l% 2. 随机产生训练集和测试集
+ {7 l' Q4 @. Y7 @, X1 j+ z; stemp = randperm(size(NIR,1));

% 训练集――50个样本
P_train = NIR(temp(1:50),: )';
# u& J' v+ Q9 S# uT_train = octane(temp(1:50),: )';

5 \9 N& [. ]; _- J& f% 测试集――10个样本
P_test = NIR(temp(51:end),: )';
# m+ t! x2 Q$ u% F! F% h: gT_test = octane(temp(51:end),: )';
N = size(P_test,2);
4 Y( u( I9 v. j1 l7 O+ _- h3 S
%% III. 数据归一化
%%
4 c: ^3 }( x; H$ t; C( \; P% 1. 训练集
6 e- U7 ^& L1 u  L1 U[Pn_train,inputps] = mapminmax(P_train);
2 ^1 }' M: Q. r$ |# d! l5 WPn_test = mapminmax('apply',P_test,inputps);
: B& @5 u  M+ s  d3 m7 L% i9 J%%
8 b5 F* Y- q6 Z+ W% 2. 测试集
[Tn_train,outputps] = mapminmax(T_train);
Tn_test = mapminmax('apply',T_test,outputps);

, F& ^4 f2 j6 E7 @. D
" P, X4 K: u! T: f0 V2 y这里，data.mat是封装好的数据，可以改换成你自己的数据。
9 Y* O* C: t7 W( ^/ o$ i$ O; i$ Y
% U- h: C. i! B/ _6 J, G2 }然后通过命令启动GUI：

4 d0 _- q" ]# J6 ~. D

先选择Import，根据图示导入我们要的数据：

  g7 u1 J, E1 P9 n& D

9 I' l6 |/ P- D* I) y/ Q7 [0 T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：
* g5 M, `5 c  a3 u( @4 N. N

6 q* q: P  |5 Y. y* c5 [
create之后我们就可以得到这个神经网络了：
1 P: L  u1 x1 y
8 m% n7 @- s6 w5 s0 E

5 L; ?" o4 z+ e& J/ P/ ?0 {/ ?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。
0 ?9 H6 R% @  y6 v, Y+ ~: h
9 c' ^; R. C1 s6 n  {; C) X' @  ]# o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。



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：
4 |5 m! Z9 z" @1 O6 w  z

) u+ q$ W4 b6 \2 \! P
训练好后，我们就可以进行仿真的预测。选择simulate选项：

: h* U; X( l) k2 U

- s6 |' [2 X$ V% \* w6 I+ Y仿真结束后，可以查看结果了：

2 P7 Y$ j  i( ^6 e# y. w: x" v! f0 z- [! C
5 C+ ?- l/ D6 M  o7 P" j
接下来你看工作区就能找到结果已经导出了。

5 R# J0 G& h; f& l' A5 d这个例子中，我输入一个这样的命令来更方便地查看结果：

[Tn_test' network1_outputs' network1_errors']
) o, x. @+ O$ J: I
, X: ]' E" D9 g- S

5 B0 |3 P2 p8 u; t这就是一个简单操作流程了。

4 A; m# B* t. X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。
. Q( g; M& B# `" @. i
% t: e! P; Q( `小伙伴们动手试一试吧！
# R* e, _4 S% z. S3 o+ h. k6 B& M/ {
: n. g. I9 O4 {* o
. ^* C, J/ Z. E- h3 ]# a3 K
; @3 V3 m% M$ z5 ^9 E/ s

8 v: Y- ~8 b3 W, [1 u! A+ M$ X

kekek

很实用