神经网络编码中隐含层数怎么看出来的。
显示 更早的评论
实例：（只有一个隐含层）
P=[-1,-2,3,1;-1,1,5,-3];
T=[-1,-1,1,1];
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm');
inputWeights=net.IW{1,1};inputbias=net.b{1};
layerWeights=net.LW{2,1};layerbias=net.b{2};
net.trainParam.show = 50; net.trainParam.lr = 0.05; net.trainParam.mc = 0.9; net.trainParam.epochs = 1000; net.trainParam.goal = 1e-3;
[net,tr]=train(net,P,T);
A = sim(net,P)
E = T - A;
MSE=mse(E)
figure;plot((1:4),T,'-*',(1:4),A,'-o')
（两个隐含层）
P=[-1,-2,3,1;-1,1,5,-3];
T=[-1,-1,1,1];
[pn,minp,maxp,tn,mint,maxt]=premnmx(P,T)
dx=[-1,1;-1,1];
net=newff(dx,[2,10,1],{'tansig','tansig','purelin'},'trainlm');
inputWeights=net.IW{1,1};inputbias=net.b{1};
layerWeights=net.LW{2,1};layerbias=net.b{2};
net.trainParam.show = 50; net.trainParam.lr = 0.05; net.trainParam.mc = 0.9; net.trainParam.epochs = 1000; net.trainParam.goal = 1e-3;
[net,tr]=train(net,P,T);
A = sim(net,P)
E = T - A;
MSE=mse(E)
figure;plot((1:4),T,'-*',(1:4),A,'-o'）
（隐含层一般选择一个就好，只有存在奇异值时进行归一化较好，比如p【1,2,3,68；2,3,4,78】，但最后应该把输入值归一化，输出值反归一化）
这两个程序的隐含层数怎么看出来的啊，看不懂
不是怎么确定隐含层数
这是我找到的神经网络的变成
还有就是做怎么把灰色预测和神经网络结合在一起。。。看过一些论文
是用灰色预测把拟合值做出来然后求残差，用残差做输入样本吗？
求助啊。。。
采纳的回答
higoray
2022-11-22
0 个投票
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm');
net=newff(dx,[2,10,1],{'tansig','tansig','purelin'},'trainlm');
红字部分，输入层不算一层，最后一个是代表输出层
所以看红字部分，除了最后一个释出出层，其余的就是隐藏层
更多回答（0 个）
类别
在 帮助中心 和 File Exchange 中查找有关 Deep Learning Toolbox 的更多信息
