| 查看: 2151 | 回復: 18 | ||||
[交流]
神經(jīng)網(wǎng)絡誤差能小到什么程度?50組2輸入1輸出,有噪聲
|
||||
|
(1)我認為數(shù)據(jù)較少,而且?guī)в性肼暱隙ǘ紩绊戭A測誤差。理想的神經(jīng)網(wǎng)絡應該也只能做到擬合大部分數(shù)據(jù)的趨勢,即找到一個能吻合大部分數(shù)據(jù)的曲線或曲面之類的,而誤差大的數(shù)據(jù)如果擬合了就是過擬合了,是否如此? (2)是否有可能使用其他神經(jīng)網(wǎng)絡、優(yōu)化方法或者濾波方法(如卡爾曼濾波)將誤差減? (3)是否可以先對數(shù)據(jù)做一個濾波,得到一個較為光滑的曲線或曲面,再用神經(jīng)網(wǎng)絡。這樣做是否合理? 我測試過BP網(wǎng)絡,GRNN網(wǎng)絡(參考了《MATLAB神經(jīng)網(wǎng)絡30個案例分析》的代碼),也試過用遺傳算法和粒子群算法優(yōu)化過BP網(wǎng)絡的權(quán)值和閾值,但結(jié)果都不太理想,最好的時候最大誤差為3%。 之前使用《MATLAB神經(jīng)網(wǎng)絡30個案例分析》里面BP網(wǎng)絡的2000組數(shù)據(jù),和標準BP網(wǎng)絡,可以得到好結(jié)果; 數(shù)據(jù)減少到50組時,結(jié)果不理想,改用遺傳算法和粒子群算法優(yōu)化后,可以得到好結(jié)果; 但是改用我的數(shù)據(jù)后,結(jié)果不理想,遂改用GRNN網(wǎng)絡,因為看到說GRNN網(wǎng)絡在數(shù)據(jù)少、有噪聲的時候效果較好,結(jié)果誤差仍在3-6%左右,和標準BP的訓練結(jié)果差不多(使用trainbr的訓練函數(shù),經(jīng)測試與trainlm相比,可一定程度減小對噪聲的敏感)。 (4)按理說,數(shù)據(jù)本身有噪聲,神經(jīng)網(wǎng)絡應該沒有辦法預測出噪聲來對吧,就算對訓練數(shù)據(jù)吻合得很好,測試數(shù)據(jù)一定會有較大誤差的。 但我看到了某些論文,只使用16組數(shù)據(jù),5輸入1輸出,最大誤差可達到0.2%,讓我有些懷疑——>>“基于BP算法的Ti_Fe_Mo_Mn_Nb_Zr系鈦合金成分優(yōu)化_張新平” 我的數(shù)據(jù)(2輸入1輸出): 35 63 44.47208034 40 58 43.37076701 45 53 45.67914691 50 48 44.03014619 55 43 44.96041577 60 38 46.50834384 65 33 50.6472286 70 28 51.39186436 75 23 55.09955603 80 18 53.46804111 35 61 43.1369966 40 56 45.95242891 45 51 45.61627748 50 46 45.2226054 55 41 48.60043474 60 36 49.3521831 65 31 49.24866766 70 26 51.28755039 75 21 52.6189214 80 16 51.92857686 35 59 47.36187126 40 54 47.05920797 45 49 46.49966271 50 44 47.58686538 55 39 51.15660537 60 34 53.12603026 65 29 52.67316955 70 24 53.91252778 75 19 53.93608167 80 14 51.29224162 35 57 45.9586564 40 52 48.18363928 45 47 48.72747075 50 42 51.74254119 55 37 52.8216001 60 32 53.7335477 65 27 53.21013713 70 22 54.42745029 75 17 54.47342193 80 12 52.10802696 35 55 48.82937754 40 50 48.40717714 45 45 50.01345578 50 40 52.44110726 55 35 54.2750511 60 30 54.3942549 65 25 54.44782604 70 20 54.26603704 75 15 52.83631964 80 10 50.36458835 |
編程 |

超級版主 (文學泰斗)
No gains, no pains.
![]() |
專家經(jīng)驗: +21105 |
|
|
|
|
|
|
|
|
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 303求調(diào)劑 +3 | 睿08 2026-03-17 | 5/250 |
|
|---|---|---|---|---|
|
[考研] 085601材料工程專碩求調(diào)劑 +5 | 慕寒mio 2026-03-16 | 5/250 |
|
|
[考研] 277調(diào)劑 +5 | 自由煎餅果子 2026-03-16 | 6/300 |
|
|
[考研] 293求調(diào)劑 +7 | zjl的號 2026-03-16 | 12/600 |
|
|
[考研] 302求調(diào)劑 +9 | 負心者當誅 2026-03-11 | 9/450 |
|
|
[考研] 274求調(diào)劑 +5 | 時間點 2026-03-13 | 5/250 |
|
|
[考研]
|
zhouzhen654 2026-03-16 | 3/150 |
|
|
[考研] 0854控制工程 359求調(diào)劑 可跨專業(yè) +3 | 626776879 2026-03-14 | 9/450 |
|
|
[考研] 304求調(diào)劑 +5 | 素年祭語 2026-03-15 | 5/250 |
|
|
[考研] 294求調(diào)劑 +3 | Zys010410@ 2026-03-13 | 4/200 |
|
|
[考研] 080500,材料學碩302分求調(diào)劑學校 +4 | 初識可樂 2026-03-14 | 5/250 |
|
|
[基金申請] 現(xiàn)在如何回避去年的某一個專家,不知道名字 +3 | zk200107 2026-03-12 | 6/300 |
|
|
[考研] 328求調(diào)劑 +3 | 5201314Lsy! 2026-03-13 | 6/300 |
|
|
[考研] 一志愿哈工大材料324分求調(diào)劑 +5 | 閆旭東 2026-03-14 | 5/250 |
|
|
[考研] 333求調(diào)劑 +3 | 球球古力 2026-03-11 | 3/150 |
|
|
[考研] 311求調(diào)劑 +3 | 冬十三 2026-03-13 | 3/150 |
|
|
[考研] 0703化學求調(diào)劑 +7 | 綠豆芹菜湯 2026-03-12 | 7/350 |
|
|
[考研] 307求調(diào)劑 +5 | 超級伊昂大王 2026-03-12 | 5/250 |
|
|
[考研] 一志愿211化學學碩310分求調(diào)劑 +8 | 努力奮斗112 2026-03-12 | 9/450 |
|
|
[考研] 283求調(diào)劑,材料、化工皆可 +8 | 蘇打水7777 2026-03-11 | 10/500 |
|