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。
0 L2 A! }2 r1 y! z+ K5 _0 N5 z- P* X4 {
首先，先将需要的数据等导入进来。
5 ?5 w7 l# y. E
  n+ @, n: Z4 v; p3 Z链接:https://pan.baidu.com/s/1wqVzwcL1xQ_Uh50XoYqyrw 密码:5wq2

2 i* v2 L5 n7 o" z( a" A) Y0 i%% I. 清空环境变量
( ^8 v; R+ y$ R" @- _* O- Y- dclear all
6 s! r( A' s" n. i0 C. i+ lclc
9 }3 [& p) ]$ v, x5 T" M%% II. 训练集/测试集产生
* G+ z2 A7 t1 S3 H, p4 P; Y%%
/ t3 w$ u% s" F& U6 K% o0 `* s5 n% 1. 导入数据
2 q& }# |2 B. h5 i1 b  Oload spectra_data.mat

%%
% 2. 随机产生训练集和测试集
1 g9 H, u: V" N% Otemp = randperm(size(NIR,1));

% 训练集――50个样本
P_train = NIR(temp(1:50),: )';
& e& R) h1 D. L9 u$ eT_train = octane(temp(1:50),: )';
; Q5 r8 T! E1 B% w
  y6 _; c, g3 n% 测试集――10个样本
P_test = NIR(temp(51:end),: )';
T_test = octane(temp(51:end),: )';
N = size(P_test,2);

%% III. 数据归一化
# K; P# p9 h$ F%%
: u3 `7 _+ G# A! }8 W- O% 1. 训练集
[Pn_train,inputps] = mapminmax(P_train);
Pn_test = mapminmax('apply',P_test,inputps);
' t% D9 f, _& ^! e0 _% m0 o%%
+ q! D: o) |1 v! l/ E2 x9 |% 2. 测试集
[Tn_train,outputps] = mapminmax(T_train);
1 L# Z- {4 N8 `- g  K; i& C$ M4 ITn_test = mapminmax('apply',T_test,outputps);


; n" e: k: F7 s这里，data.mat是封装好的数据，可以改换成你自己的数据。

然后通过命令启动GUI：


" {' ^* V0 q+ e
( U% W+ g. b- V. w先选择Import，根据图示导入我们要的数据：
3 C3 e# B/ M* J* E
2 S( K' ^( W6 F* w' c. U
1 t; G. d, m: v7 q2 ]1 U( l. A4 L" S; _
  C+ Q: Z1 @/ ~! j3 N1 g, w: L) I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：
& t3 Z. I6 A. x, l
! W' w; K- r; p  R! B

( |0 _- t8 K& w4 T/ X6 ncreate之后我们就可以得到这个神经网络了：
1 `* V% B" M7 V

/ H- G) l5 T5 |* I0 g; G% `1 h
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。
. {7 W8 c  @  O( I  C. ]
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。


9 V1 J/ n" _. B: V: ?  X. n
1 z( Q6 ~: P: L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：
/ R- z- h$ K" ~4 x! Z5 ~) u/ `
, f* s7 _0 C& I' U) o3 n
  k( q& t& Q5 T
, D( z" {: X- M; s训练好后，我们就可以进行仿真的预测。选择simulate选项：

3 u  n' s8 h- {; ?4 Y
1 o! D$ s* I/ o3 c0 B6 v
# p4 _( l9 r+ Y1 |5 g. @$ {仿真结束后，可以查看结果了：
6 Q+ Z! x% b7 u! k0 a8 I" r# c7 V


0 O& T$ k2 o- H# Y  f' {7 k  e接下来你看工作区就能找到结果已经导出了。

这个例子中，我输入一个这样的命令来更方便地查看结果：
5 u  ~0 ~7 q' R& }
[Tn_test' network1_outputs' network1_errors']
8 W; S# T# S& r" d
% Z, R1 B# W0 N8 k- n
3 i" Q. |' M% W$ @
; U2 Y% j% z6 ]9 M- t9 h, d6 n这就是一个简单操作流程了。
$ @: O# T& F+ m) ~
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。
, ~* y1 C: G! R) z
- e& K5 c. L+ Q& g1 Z: d小伙伴们动手试一试吧！




6 y# o( \/ H( T% ^2 j7 D5 [& g3 w
" `6 u4 U1 p: }2 M% ~% d- h

kekek

很实用