万博1manbetxSimulink神经网络产生不同的输出到工作空间

6个观点(过去30天)

显示旧的评论

威廉edeg 2020年1月10日

0
链接

直接链接到这个问题

https://la.mathworks.com/matlabcentral/answers/499770-万博1manbetxsimulink-neural-network-producing-different-outputs-to-workspace

回答: 威廉edeg2020年2月12日

答:接受威廉edeg

我训练了一个网络，当我用plotresponse测试它时，我得到的图形在plotresponse下面，但当我创建这个网络的simulink块和测试与相同的输入，我得到的图形在scope.png文件下面。万博1manbetx(黄色是目标)。我以为这是正常化的问题，但现在我不知道是什么导致的。

提前谢谢。

接受的答案

威廉edeg 2020年2月12日

0
链接

直接链接到这个答案

https://la.mathworks.com/matlabcentral/answers/499770-万博1manbetxsimulink-neural-network-producing-different-outputs-to-workspace#answer_415183

如果有人有同样的问题并且发现了这个问题，那么请注意您用于培训的数据点的数量。

我用的是" 工作区块 “用0.001的样本时间来收集我的训练数据，但他们没有在适当的时间或时间间隔收集任何东西。(间隔为0.001的200秒显然应该产生200000个数据点，但我收集的数据点是66667)。

我开始使用范围块现在我有了正确的数据，我的gensim网络对它的gensime网络做出了相同的响应(当使用相同的输入时)。

更多的答案(3)

尼玛SALIMI 2020年1月25日

1
链接

直接链接到这个答案

https://la.mathworks.com/matlabcentral/answers/499770-万博1manbetxsimulink-neural-network-producing-different-outputs-to-workspace#answer_411942

我假设当您使用simulink块时，您正在从头开始训练一个新网络。万博1manbetx当你训练一个网络时，尽管使用相同的数据集和超参数，但由于权重和偏差值的随机初始化(和/或训练和测试数据集的不同分割)，结果会不同。出于这个原因，一个好的做法是多次训练和测试模型(使用simulink或工具箱函数)，以便对模型的性能做出更令人信服的决定。万博1manbetx

3评论
显示隐藏特殊照顾年长的评论

尼玛SALIMI 2020年2月3日

我对你的问题的简短回答是:一次使用simulink和另一次不使用simulink得到不同的结果没有错(即使是相同的网络和相同的数据集)!万博1manbetx

我的长篇大论:正如我在之前的回答中所说的，这是任何神经网络的正常行为，你将在训练和测试使用相同数据集的同一网络时得到不同的结果。即使你只使用命令行而不使用simulink块，使用万博1manbetx 相同的网络而且完全相同的数据集你应该得到 n 对模型进行不同结果的训练和测试 n 不同的时间( 所以这是绝对正常的，没有任何问题! )．要进一步了解这种行为的原因，请阅读: https://machinelearningmastery.com/reproducible-results-neural-networks-keras/

所以我的建议是

为了在每次训练和测试模型时得到完全相同的结果，使用rng()函数(例如rng(2))，以确保结果的可重复性，并确保您可以得到相同的结果:)
但就像我说的，当你想要在几个模型(比如2个模型)中做出选择时，你应该运行这两个模型几次(+30次，或者40次)。通过这种方式，每个模型/网络将有40个精度值。然后，您应该对两个模型的这40个值进行平均值和标准，以选择更好的一个(甚至更好的方法是对模型选择的准确性值应用一些显著性的统计检验)。

我希望能在这篇评论中更详细地回答你的问题。

谢谢你正式接受我的回答。

最好的

尼玛

威廉edeg 2020年2月3日

哦,我明白了。谢谢你的帮助。

登录发表评论。

格雷格·希斯 2020年1月25日

1
链接

直接链接到这个答案

https://la.mathworks.com/matlabcentral/answers/499770-万博1manbetxsimulink-neural-network-producing-different-outputs-to-workspace#answer_411950

一个更简单的解决方案是总是在程序开始时重置随机数生成器。例如，选择您最喜欢的非负整数作为种子，并以它开始程序

rng(种子)

希望这个有帮助。

感谢您正式接受我的回答

格雷格

1评论
显示隐藏 None

威廉edeg 2020年1月26日

编辑:威廉edeg 2020年1月26日

谢谢你的回复。我想我一时误解了你的意思。你是指初始网络权值的随机数生成器吗?simu万博1manbetxlink网络是使用gensim函数创建的，所以我认为它应该与工作区网络相同。输入也是一样的，这就是为什么我对得到不同的响应感到困惑的原因。

登录发表评论。

尼玛SALIMI 2020年1月25日

1
链接

直接链接到这个答案

https://la.mathworks.com/matlabcentral/answers/499770-万博1manbetxsimulink-neural-network-producing-different-outputs-to-workspace#answer_411963

从机器学习的角度来看，更好的做法是训练模型几次，并相应地比较结果(而不是固定随机种子)，因为我们感兴趣的是使随机性的影响尽可能可以忽略不计。我提出的解决方案也可以在MATLAB文档中找到(https://au.mathworks.com/help/deeplearning/gs/classify-patterns-with-a-neural-network.html，最后一段)。

任何方法都可以，但是如果您的时间非常有限，并且您想要检查一些变量对模型性能的影响(取决于您手头的问题)，那么您可以只修复种子!

3评论
显示隐藏特殊照顾年长的评论

威廉edeg 2020年1月26日

再次感谢您的回复。我想我可能没有很好地解释我的问题，对不起。看起来你和格雷格把我的问题理解为来自不同网络的不同响应，但simulink网络是使用gensim函数制作的，所以它应该与我正在比较的其他网络相同。万博1manbetx

我已经成功地在更简单的narx函数上训练了网络，并使用gensim创建了与工作空间版本响应相同的simulink网络，但由于某种原因，它不能用于这个更复杂的函数。万博1manbetx

登录发表评论。

登录来回答这个问题。

类别

人工智能，数据科学和统计学深度学习工具箱

s manbetx 845

释放

R2019b

社区寻宝

在MATLAB中央找到宝藏，并发现社区可以如何帮助你!

开始狩猎!

翻译的