來自訓練的簡單線性神經網絡權重與訓練結果不兼容

當直接隱含在輸入上時，我從訓練中獲得的權重返回不同的結果！我將演示一個非常簡單的例子假設我們有一個輸入向量x= 0:0.01:1; 和目標矢量t=x^2（我知道它更好地使用非線性網絡）訓練後，2層，線性網絡，與一個神經元每一層，我們得到：來自訓練的簡單線性神經網絡權重與訓練結果不兼容

sim(net,0.95) = 0.7850（一些錯誤的訓練 - 這是確定也應該）從net.IW,net.LW,net.b:

IW 權重=

0.4547

LW =

2.1993

B =

0.3328 -1.0620

如果我使用的權重：時間= purelin（purelin（0.95 * IW + B（1））* LW + B（2））= 0.6200 ！，我從SIM卡的結果中得到了不同的結果！怎麼可能？怎麼了？

的代碼：

%Main_TestWeights 
close all 
clear all 
clc 


t1 = 0:0.01:1; 
x = t1.^2; 

hiddenSizes = 1; 
net = feedforwardnet(hiddenSizes); 


[Xs,Xi,Ai,Ts,EWs,shift] = preparets(net,con2seq(t1),con2seq(x)); 
net.layers{1,1}.transferFcn = 'purelin'; 
[net,tr,Y,E,Pf,Af] = train(net,Xs,Ts,Xi,Ai); 
view(net); 


IW = cat(2,net.IW{1}); 
LW = cat(2,net.LW{2,1}); 
b = cat(2,[net.b{1,1},net.b{2,1}]); 

%Result from Sim 
t2=0.95; 
Yk = sim(net,t2) 

%Result from Weights 
x1 = IW*t2'+b(1) 
x1out = purelin(x1) 
x2 = purelin(x1out*(LW)+b(2))

來源

2012-08-04 Roman

，我不知道這在所有的，但會不會是網絡以某種方式規範輸入和目標？如果是這樣，那麼報告的權重將無用，而不必對自己的輸入應用相同的標準化。另外，我認爲你應該在加權之前加上偏差（例如（（輸入+ b（1））* IW + b（2））* LW）。 – Niclas 2012-08-04 17:51:50

的神經網絡工具箱重新調整輸入和輸出到[-1,1]範圍內。因此，必須重新調整和unscale它讓你的模擬輸出是相同的SIM（）的輸出：

%Result from Weights 
x1 = 2*t2 - 1; # rescale 
x1 = IW*x1+b(1); 
x1out = purelin(x1); 
x2 = purelin(x1out*(LW)+b(2)); 
x2 = (x2+1)/2 # unscale

然後

>> x2 == Yk 

ans = 

    1

來源

2012-08-04 23:04:11

來自訓練的簡單線性神經網絡權重與訓練結果不兼容

回答

相關問題