1樓：匿名使用者
你的精度是自己設定的，是那個水平的直線，我這裡的神經網路沒有best曲線啊！就是個goal和training兩條的
2樓：遇女d心驚
是訓練過程中的誤差曲線，表示經過x次訓練，感知器輸出達到目標值，也就是感知器的輸出已經和目標向量一致了
3樓：漫雪
goal和best是同一條線，我是這樣理解的。使用的線型是一樣的
matlab bp神經網路 performance 圖這五條線的詳細解釋 30
4樓：59分粑粑
圖上的三個彩色實線分別是：每一代bp訓練過程的mse指標的效能，每一代bp交叉驗證過程的mse指標的效能以及bp測試的mse指標在每一代中執行的過程。 特別是，應該注意內部的test紅線，這是bp計算/訓練結果。
best虛線表示當bp網路被訓練到第八代時，bp訓練結果是最佳的。goal虛線是在程式設計或直接使用matlab的ann工具箱訓練此bp時設定的網路容量訓練停止目標（一個）。
5樓：匿名使用者
橫縱座標不用說了，圖上三條有顏色的實線分別是：bp訓練過程的mse指標在每一代中的表現，bp交叉驗證過程的mse指標在每一代中的表現，bp測試過程的mse指標在每一代中的表現。尤其你要注意那條test紅線，那是你的bp計算/訓練結果。
best虛線說明bp網路訓練到第八代的時候bp訓練結果最理想。
goal虛線是你程式設計或者直接用的matlab的ann工具箱去訓練這個bp時，設定的網路訓練停止目標（之一）。
執行matlab bp神經網路後，得到了誤差曲線(mse)，圖例裡有四個量，其中，validation代表啥意思啊？
6樓：墨汁諾
代表檢驗這個網路的訓練結果。
mse表示均方差，當然越小越好。但是這與你訓練樣本的多少，訓練次數都有很大關係。
這個其實沒有統一的標準，任何人都知道0偏差當然是最好。但是根絕神經網路本身致命的缺陷，由於它是迭代收斂逼近解析式，所以不可能達到0誤差。
這隻有根據使用者的工程技術要求來加以判斷，這個誤差指標肯定應該在小於工程誤差範圍內啊。但是對於科研研究，也只能具體情況具體分析。定量一說沒有具體絕對一說的。
7樓：匿名使用者
是校驗的意思吧！在訓練樣本中一部分用來進行訓練，一部分用來校驗！然後用別的樣本來進行測試test！
8樓：湖東元夏
代表檢驗你這個網路的訓練結果
9樓：我倆一起加油
和樓主遇到了同樣的問題，這四條線都應該如何解釋？
matlab神經網路訓練圖中r是什麼
10樓：若能上善若水
迴歸值r測量輸出和目標之間的相關性。
r值為1表示密切關係，0表示隨機關係。
matlab中bp神經網路訓練圖看不懂，萌新急求大神指點。
11樓：匿名使用者
問題就是測試集上表現不好，訓練集上（train）的最小均方誤差看上去收斂了，然鵝測試集上的（test）
12樓：匿名使用者
你這performance完全沒設定嗎，怎麼誤差是0呢
matlab 中神經網路結果出4小**析？r？
13樓：mcr董事長
神經網路有一個缺點就是過擬合（就是對訓練資料過分擬合，所以偏離了其他未參加訓練的資料）。
為防止過擬合，matlab採用的方法是把資料劃分成三分，training（訓練），validation（驗證），test（測試）。只有training資料參加訓練，其他兩部分資料不參加訓練，用於檢驗。訓練進行時，目標和訓練（test）資料目標之間的誤差會越來越小（因為網路就是根據這些資料訓練的），剛開始時validation和validation目標之間的誤差也會變小，可隨著訓練的增加，test的誤差繼續變小，validation的誤差反而會有所上升。
當validation的誤差連續上升6次時（預設設定）訓練就停止了（因為這時有過擬合的傾向）。
上圖橫座標為你的目標值，縱座標為你的網路的輸出，這圖就是做了個迴歸，完美時四幅都曲線應該在對角線上。你的圖有兩個問題，
1. validation的資料擬合的不太好，可能網路存在過擬合，最好重新訓練
2. 資料量太少，validation和test都只有兩個點，所以這兩幅圖基本說明不了問題。
14樓：匿名使用者
您好，這個圖是不是代表結果還可以？？？為什麼資料分散在兩端？？
急！急！求大神幫忙看看我的matlabbp神經網路performance輸出的問題
15樓：匿名使用者
mu是trainlm演算法中的一個引數，這個演算法會自動控制，當mu太大時訓練會自動停止。
訓練結束時因為誤差曲面的梯度gradient達到了預設值，已經進入平坦面。
之所以6次迭代就收斂，是因為你的神經網路結構有問題。你的網路輸入輸出都是單節點，可以說是一對一對映，可隱層卻有三層之多，隱層神經元數量又高達50，在樣本數量有限的情況下，很容易就能收斂。
措施：精簡網路結構；
將gradient再設小點，不過效果不大。
你好，請問你知道在matlab神經網路工具箱裡，學習率在**設定嗎？
16樓：匿名使用者
lr就是學習率，baiperformance是du主要指標，你在zhi程式裡寫的
daogoal就是mse，決定最後精度的。
%% bp演算法專
function out=bp***(p,t,p_test)global s1
***=newff(minmax(p),[s1,8],,'trainlm'); %trainlm訓練函式最屬有效
%***=newff(p,t,31,,'trainlm');%新版用法
***.trainparam.epochs=1000;
***.trainparam.goal=0.00001;
***.trainparam.lr=0.01; %這是學習率***=train(***,p,t);
out=sim(***,p_test);end
matlab擬合的神經網路那個performance的每次都是 epoch為個位數 5
17樓：昱婷漫步
圖中曲線顯示的是均方誤差，越小，說明系統得到的輸出與作為監督的輸出值的差別越小。圖中藍色線的值最好，它是對訓練資料的擬合結果；紅色線是對測試資料，最差。訓練集效果好，測試集效果差，就稱為過擬合了。
matlab中bp神經網路出現inf
能否描述地詳bai細一些,inf指出現du了無窮大,zhi你可能需要檢查程式錯dao誤。回 matlab中bp神經網路的建立 答函式newff函式的格式為 newff pr,s1 s2 sn btf,blf,pf 函式newff建立一個可訓練的前饋網路。輸入引數說明 pr rx2的矩陣以定義r個輸入...
求助bp神經網路訓練後輸出的performance圖形問題
你的圖不大對吧？應該有三條曲線顯示才對，分別代表訓練，驗證，測試誤差，你現在只有訓練誤差的。performance is 0.00306表示你的訓練誤差達到了0.00306，goal is 0.01表示你設定的目標誤差是0.01.matlab中神經網路訓練結束後出現nntraintool面板，如何記...
如何選擇神經網路的超引數,BP神經網路模型各個引數的選取問題
1 神經網路演算法隱含層的選取 1.1 構造法 首先運用三種確定隱含層層數的方法專得到三個隱含層層數,找到屬最小值和最大值,然後從最小值開始逐個驗證模型 誤差,直到達到最大值。最後選取模型誤差最小的那個隱含層層數。該方法適用於雙隱含層網路。1.2 刪除法 單隱含層網路非線性對映能力較弱,相同問題,為...