Я работаю над созданием функциональной нейронной сети с помощью набора инструментов нейронной сети, но мне не удалось заставить ее работать правильно. У меня есть ввод matrix с двумя функциями. В настоящее время я использую fitnet (я пробовал cascadeforwardnet/feedforwardnet без особой разницы) и имею два скрытых слоя, каждый с 10 нейронами. Я использовал trainbr, потому что он дал мне лучшие результаты, чем trainlm. Я пытаюсь нормализовать или стандартизировать данные, но без особого успеха. Я знаю, что fitnet использует mapminmax по умолчанию, и я видел предложение Грега Хита использовать zscore для стандартизации в первую очередь. Проблема в том, что каждый раз, когда я использовал стандартизацию zscore, я не получал очень хороших результатов нейронной сети. Мой вывод должен быть полностью положительным после дестандартизации, но я все еще получаю отрицательные значения. По этой причине я использовал log10 для нормализации данных, поэтому все значения остались положительными.
Чтобы увидеть ошибку прогноза, я нашел максимальную процентную ошибку в любой отдельной выходной точке. Я не могу получить ошибку ниже 40%, и есть несколько других точек с прилично высокой ошибкой.
Есть ли что-нибудь еще, что я могу сделать, будь то нормализация/стандартизация или реконфигурация сети, чтобы улучшить производительность моей сети?
РЕДАКТИРОВАТЬ:
Я не уверен, поможет ли это, но график регрессии показывает, что R = 0,99984, поэтому он кажется очень точным.
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech , ME, M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
›Почему MSE является лучшей мерой ошибки, а ›то, как я вычислял ошибку, не годится? Возможно, ›потому что набор инструментов сосредоточен на минимизации этой ошибки, ›поэтому мои попытки минимизировать другой тип ошибки мало помогают?
Это часть этого. Другая часть заключается в том, действительно ли процентная ошибка имеет смысл в задаче регрессии?
›Я внес изменения, которые вы предложили, и провел 10 испытаний, ›где каждое испытание имеет кратность 3 скрытых нейронов, ›где кратность находится в диапазоне от 3 до 30. В каждом из этих ›испытаний строится и моделируется 10 ИНС, каждое со случайным ›расщеплением нейронов. данные обучения/тестирования/валидации. Я сделал так, чтобы обучающие данные составляли от 60% до 93% ›всех входных данных. Я вычисляю r в квадрате и вывожу его в матрицу 10x10 ниже. Теперь, когда у меня есть ›это, я вижу, что многие значения в матрицах ›выше 0,99. Как я должен различать ›эти ценности?
В идеале N должно быть достаточно большим, чтобы результаты tst были точными и НЕСМЕШАННЫМИ, в то время как результаты val были относительно точными и лишь НЕМНОГО СМЕШАННЫМИ.
Как правило, целью обучения, которую я использую, является минимизация H с учетом ограничения Rtrnsq > 0,99. Сначала я получаю четыре матрицы 10x10 Rsq для trn, val, tst и всего остального. Затем они сводятся к четырем матрицам 4x10, содержащим минимальное, медианное, среднее и максимальное отношение Rsq к H. Наконец, четыре строки четырех матриц наносятся на график. .
Что касается выбора одного дизайна, я бы предпочел сеть с Rsq > 0,99 при наименьшем значении H.
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
