我有一些训练数据和测试数据。谁能告诉我是训练数据输入数据或期望的小波神经网络中的数据?

1视图(30天)

显示旧的评论

Naznin Sultana 2018年2月12日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/382210-i-have-some-training-data-and-some-test-data-can-anyone-tell-me-is-training-data-is-the-input-data

回答: 格雷格·希斯 2018年2月13日

我来自MIT_BIH脑电图信号。我想用一些训练数据为癫痫检测和一些用于测试目的。我有下面的代码小波神经网络的训练。期望的输出和输入我的情况是什么?清除所有;clc;关闭所有;%发起P = 3%的数据样本m = 1%数量的输入节点n = 20%数量的隐藏节点n = 1% ouptut节点% % (n) b (n)规模和转移参数矩阵% x (P、m)的输入矩阵P %的净(P, n)输出样本隐藏节点y % (P, n)输出的网络% d % (P, n)的理想输出网络φ(P, n)输出隐藏节点的小波函数% W (n, n)重量值和输出之间隐藏的% WW (n, m)重量值之间隐藏的,输入节点x = (4, 5, 6) d = (1.3; 3.6; 6.7) W =兰德(n, n) WW =兰德(n, m) = (1, n)的j = 1: n b (j) = j * P / n;结束% % % % % % % % % % % % % % % % % % %电子战(N, N)的梯度W %恶(N, m)梯度WW % %的Ea (N)梯度Eb (N)梯度b % % % % % % % % % % % % % %]时代= 1;促红细胞生成素= 100;% ? ? ?Purpose of it??? error=0.05; err=0.01; delta =1; lin=0.5; while (error>=err && epoch<=epo)

                         u = 0;% u是中间的变体
                        
                         %计算的净输入
                        
                         为p = 1: p
                        
                         为j = 1: n
                        
                         u = 0;
                        
                         为k = 1: m
                        
                         u = u + WW (j, k) * x(磷、钾);% % %可能vj (n)
                        
                         结束
                        
                         净(p, j) = u;
                        
                         结束
                        
                         结束
                        
                         %计算morlet 0 r墨西哥小波输出
                        
                         为p = 1: p
                        
                         为j = 1: n
                        
                         u =净(p, j);
                        
                         u =(你(j)) / (j);
                        
                         (p, j) = cosφ(1.75 * u) * exp (- u * u / 2);% morlet小波
                        
                         %φ(p, j) = (1 u ^ 2) * exp (- u * u / 2);%墨西哥帽小波
                        
                         结束
                        
                         结束
                        
                         %计算网络的输出
                        
                         为p = 1: p
                        
                         为i = 1: N
                        
                         u = 0;
                        
                         为j = 1: n
                        
                         u = u + W (i, j) *φ(p, j);
                        
                         结束
                        
                         y (p, i) =δ* abs (u);
                        
                         结束
                        
                         结束
                        
                         %计算错误输出
                        
                         u = 0;
                        
                         为p = 1: p
                        
                         为i = 1: N
                        
                         % u = u + abs (d (p, i) *日志(y (p, i)) +(一维(p, i) *日志(1 y (p, i))));
                        
                         u = u + (d (p, i) - y (p, i)) ^ 2;
                        
                         结束
                        
                         结束
                        
                         % u = u / 2
                        
                         错误= u;
                        
                         %的梯度计算网络
                        
                         为i = 1: N
                        
                         为j = 1: n
                        
                         u = 0;
                        
                         为p = 1: p
                        
                         u = u + (d (p, i) - y (p, i)) *φ(p, j);
                        
                         结束
                        
                         电子战(i, j) = u;
                        
                         %电子战(i, j) = - u; %的成果将是错误的
                        
                         结束
                        
                         结束
                        
                         为j = 1: n
                        
                         为k = 1: m
                        
                         u = 0;
                        
                         为p = 1: p
                        
                         为i = 1: N
                        
                         u = u + (d (p, i) - y (p, i)) * W (i, j) *φ(p, j) * x(磷、钾)/ (j);
                        
                         结束
                        
                         结束
                        
                         恶(j, k) = u;
                        
                         %恶(j, k) = u结果是错误的
                        
                         结束
                        
                         结束
                        
                         为j = 1: n
                        
                         u = 0;
                        
                         为p = 1: p
                        
                         为i = 1: N
                        
                         u = u + (d (p, i) - y (p, i)) * W (i, j) *φ(p, j) /一个(j);
                        
                         结束
                        
                         结束
                        
                         Eb (j) = u;
                        
                         结束
                        
                         为j = 1: n
                        
                         u = 0;
                        
                         为p = 1: p
                        
                         为i = 1: N
                        
                         u = u + (d (p, i) - y (p, i)) * W (i, j) *φ(p, j) *((净(p, j) - b (j)) / b (j)) / (j);
                        
                         结束
                        
                         结束
                        
                         Ea (j) = u;
                        
                         结束
                        
                         %调整重量值
                        
                         WW = WW-lin *恶;
                        
                         W = W-lin *电子战;
                        
                         一个Ea = a-lin *;
                        
                         b = b-lin * Eb;
                        
                         %的时代增加1
                        
                         时代=时代+ 1;

最后情节(x, d, x, y,“—”)

0评论
显示隐藏1以上的评论

登录置评。

在回答这个问题。

答案(2)

格雷格·希斯 2018年2月12日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/382210-i-have-some-training-data-and-some-test-data-can-anyone-tell-me-is-training-data-is-the-input-data answer_304798

编辑:格雷格·希斯 2018年2月12日

                             你的描述应该重新格式化,防止混乱。
                            
                             =设计+测试数据
                            
                             设计=培训+验证
                            
                             data =培训+验证测试

这些3子集由两部分组成

DATASUBSET =输入+目标

                             默认的MATLAB部门比率= 0.7 / 0.15/0.15
                            
                             然而,你可以修改这些比率
                            
                             nontraining =验证+测试
                            
                             培训:用于计算重量和偏见
                            
                             验证:期间使用培训,以帮助确保净工作
                            
                             好吧nontraining数据。不直接参与
                            
                             计算重量值
                            
                             测试:用于获得无偏估计的性能
                            
                             (即。、测试+未知)数据没有参与
                            
                             培训或验证

希望这个有帮助。

谢谢你的正式接受我的答案

格雷格

1评论
显示隐藏 None

Naznin Sultana 2018年2月13日

谢谢你的回答。然而我看着训练算法的代码,输入x和输出y(称为期望值)使用。我的问题是如果我有脑电图特征作为训练集,我将根据需要输出什么?

登录置评。

格雷格·希斯 2018年2月13日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/382210-i-have-some-training-data-and-some-test-data-can-anyone-tell-me-is-training-data-is-the-input-data answer_304917

正确的符号:

%和MeanSquareError参考输出

                             不洁净的=意味着(t ', 2)
                            
                             MSEref =意味着((t-tref) ^ 2)。
                            
                             =意味着(var (t '), 1)
                            
                             净tr y [e] =火车(净,x, t);
                            
                             % y =净(x);e = t-y;
                            
                             MSE = MSE (e)
                            
                             NMSE = MSE / NMSEref
                            
                             Rsquare = 1 - NMSE%见维基百科

%培训细节

tr = tr

希望这有助于

谢谢你的正式接受我的答案

格雷格

0评论
显示隐藏1以上的评论

登录置评。

在回答这个问题。

类别

信号处理小波工具箱人工智能的信号和图像

找到更多的在人工智能的信号和图像在帮助中心和文件交换

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

我有一些训练数据和测试数据。谁能告诉我是训练数据输入数据或期望的小波神经网络中的数据?

0评论
显示隐藏1以上的评论

答案(2)

1评论
显示隐藏 None

0评论
显示隐藏1以上的评论

另请参阅

类别

标签

社区寻宝

我有一些训练数据和测试数据。谁能告诉我是训练数据输入数据或期望的小波神经网络中的数据?

0评论 显示隐藏1以上的评论

答案(2)

1评论 显示隐藏 None

0评论 显示隐藏1以上的评论

另请参阅

类别

标签

社区寻宝

0评论
显示隐藏1以上的评论

1评论
显示隐藏 None

0评论
显示隐藏1以上的评论