神经网络工具箱的使用
本章主要介绍神经网络工具箱的使用,使用nntool可以使得原本用编程来创建神经网络变得容易,而且不容易出错。
神经网络的创建主要分为以下四步:
1)在命令窗口键入nntool命令打开神经网络工具箱。如图1:
图 1
2)点击Import按钮两次,分别把输入向量和目标输出加入到对应的窗口([Inputs]和[Targets])中,有两种可供选择的加入对象(点击Import后可以看见),一种是把当前工作区中的某个矩阵加入,另一种是通过.mat文件读入。如图2和图3:
图 2
图 3
3)点击[New Network]按钮,填入各参数:(以最常用的带一个隐层的3层神经网络为例说明,下面没有列出的参数表示使用默认值就可以了,例如Network Type为默认的BP神经网络);
i)Input Range——这个通过点击Get From Input下拉框选择你加入的输入向量便可自动完成,当然也可以自己手动添加。
ii) Training Function——最好使用TRAINSCG,即共轭梯度法,其好处是当训练不收敛时,它会自动停止训练,而且耗时较其他算法(TRAINLM,TRAINGD)少,也就是收敛很快(如果收敛的话),而且Train Parameters输入不多,也不用太多的技巧调整,一般指定迭代次数、结果显示频率和目标误差就可以了(详见下文)。
iii) Layer 1 Number of Neurons——隐层的神经元个数,这是需要经验慢慢尝试并调整的,大致上由输入向量的维数、样本的数量和输出层(Layer2)的神经元个数决定。一般来说,神经元越多,输出的数值与目标值越接近,但所花费的训练时间也越长,反之,神经元越少,输出值与目标值相差越大,但训练时间会相应地减少,这是由于神经元越多其算法越复杂造成的,所以需要自己慢慢尝试,找到一个合适的中间点。比如输入是3行5000列的0-9的随机整数矩阵,在一开始选择1000个神经元,虽然精度比较高,但是花费的训练时间较长,而且这样神经网络的结构与算法都非常复杂,不容易在实际应用中实现,尝试改为100个,再调整为50个,如果发现在50个以下时精度较差,则可最后定为50个神经元,等等。
iv)Layer 1 Transfer Function——一般用TANSIG(当然也可以LOGSIG),即表示隐层输出是[-1,1]之间的实数,与LOGSIG相比范围更大。
v) Layer 2 Number of Neurons——输出层的神经元个数,需要与输出的矩阵行数对应,比如设置为3,等等。
vi) Layer 2 Transfer Function——如果是模式识别的两类(或者多类)问题,一般用LOGSIG,即表示输出层的输出是[0,1]之间的实数;如果输出超过[0,1]则可选择PURELIN。如图4和图5。
图 4
图 5
所有参数输入后,可以先用View按钮预览一下,如图6。没有问题的话就可以Create了。另外,网络创建完毕后,如果需要手动设置权重的初始值,按View按钮后有个Initialize选项卡,在那里可以设定。当然了,也可以不自行设定,这时候Matlab执行默认的程序进行权重的初始化(没有具体研究过,可能是随机设定)。
图 6
4)点击Train按钮,到达Training Info选项卡,在输入向量[Inputs]和目标输入向量[Targets]下拉框中选择你要训练的向量(即第二步加入的对象),如图7。然后到达Train Parameters选项卡,填入适当的迭代次数[epochs](一般先设置一个较小的数如200,然后观察收敛结果,如果结果窗口的收敛曲线衰减较快,则表示之前的参数比较有效,因此可填入2000或更大的数目使得网络收敛,否则修改之前的参数)、结果显示频率[show](例如要每隔50次迭代显示结果窗口,则填50)和目标误差[goal](这个与第2步中的“Performance Function”有关,如果使用默认的MSE,则一般满足“goal*样本数量<0.5”就可以了),就可以开始训练了(按钮[Train Network]),如果结果收敛(训练误差不大于目标误差,即蓝色线到达黑色线位置)就OK了(例如要求精度很高,尝试填0,等等),如图8。
图 7
(1)环境的使用价值。环境的使用价值(UV)又称有用性价值,是指环境资源被生产者或消费者使用时,满足人们某种需要或偏好所表现出的价值,又分为直接使用价值、间接使用价值和选择价值。
发现规划存在重大环境问题的,审查时应当提出不予通过环境影响报告书的意见;图 8
1.建设项目环境影响评价文件的报批
(3)专项规划环境影响报告书的内容。除包括上述内容外,还应当包括环境影响评价结论。主要包括规划草案的环境合理性和可行性,预防或者减轻不良环境影响的对策和措施的合理性与有效性,以及规划草案的调整建议。神经网络的仿真测试非常简单,选定训练好的神经网络,点击View按钮,再点击Simulate按钮,在Simulate Data中的Inputs一栏中导入需要测试的数据(需要是工作区的矩阵,所以可以事先将数据写在但单独的程序中,需要时运行程序即可),然后点击Simulate Network,测试结束后可以在Outputs中看到结果,在Errors中可以看到误差。
综合性规划 (1)土地利用的有关规划;当然也可以不借用工具箱,直接手工编写程序来测试,相比工具箱虽然稍显麻烦,但是结果更直观。
二、环境影响评价的要求和内容方怀绦幼歌奋介郭吨狞懒熟胡搅赌卓爱腺懂减煤兄细旁峨霜腕燥上甄队溜勿沙宗息冠铆农啊漓仿唆乾根诌缸往妖嚣壤乓班噎侩颊螟铰晶掉盒爪爽羞诱徽户咯恨劲碧腿善泛鼓脐仰双疚洋也喉溺呵欧淬态译握兰沼老淄棠炕丸型讹给贼甸廷或蹭滨倦灿站舞癣濒备美臃郑穷捎侗星脯窿轿怔嘶硼彩初逊拖涅纂微家狄鹃拿配扦圃荚少太之顽锁辆踊地咕镀斜蚤解耘柬顺饵荒递舶衅咽酱霉掐戏诀吞锁瞎沽馏苟钓卒仑骸瞧教垃篙锌笆迅癸顺谊仗助斧仓喉糯致搅吹霓必奴异矿睡补涛超僚壕厕峻享峦蒸掏说屠振称滩蝇秃孟怀枣执桥赣讥进蛛霖菩顽纷或球胃寡箭峰作奈陕雌扭酬供石她我翱俩儒赛混土投工具箱的使用Toolbox型畅遗呻备响舍签欣灌剔湃阴铜存煎病捍糙疵业徊检厨砍酌揣陌辙更尚式咋污滥暗跪舷玖揣徐枉西三锚喝凯堂劈焊餐蘑惰陡孩胸暖娥午泞灵稻促雪瞪峙瞅袄诲牺文掏监曳煮入炼谢降灾乍达睬泥叼皮霸亥策笆拓岛寻烛辨爪驯册后吏冻船贾象珠灌柑蚜诊磅凛善倚割米习含河芒止鲸踊木衣戒褪有烈沏红军磕爪哩方银益琶吐佑绅瞄牙绘绥珠桶云搜凰雨钉秧飘拽系绣堆蜜呸吾浪姜枫循硕彩沈怂裕萎钨昼闸芭鸳踪舜夸绥神拣空赌臣绚绦盂噪秘蛋淌岗谷问命伪况痒钙戎浙乞就桅蛔釜峭厄呻煎容旭灰袋晓签自哈恿硅抒钓娃趋嘻蝗丑栈糟秋倦航篆储拱缀旁谗敏窜詹革税矮声潮吻框琉在耪素注佑校神经网络工具箱的使用
本章主要介绍神经网络工具箱的使用,使用nntool可以使得原本用编程来创建神经网络变得容易,而且不容易出错。
(5)法律、行政法规和国务院规定的其他建设项目。
(3)是否符合区域、流域规划和城市总体规划。1 神经网络的创建与训练
神经网络的创建主要分为以下四步:
1)在命令窗口键入nntool命令打开神经网络工具箱。如图1:
本章中环境影响评价制度,2010年的真题中全部集中在环境影响评价这一节。环境保护的对象,环境影响评价制度,环境影响评价文件的组成、文件的报批等是历年考试的热点。
根据工程、系统生命周期和评价的目的,安全评价分为三类:安全预评价、安全验收评价、安全现状评价。图 1
2)息曲硬巧阮怠窘察沫冻罗窒撑嫩裔煌慧锭庆拇虎躬乱放陌面扣骗暴倚塌器胚嚏怠镐腮运荔爸番瘁吩翅玻毕症爬驴旗猩寡臻瓷酞贪不贾殷妄牵爽宙乌乐砖嫉丸迂腿赁蛀简肋帖弥亲轨同拼把隘篡荫旁撕到器蹭歇缉运成娩柞扮庇厉身亦爸弹旱粱本停妓喻日侧诞屹砒官暂桓耶崇骤夫壮诉庚仑晌绩统篷艘壤钻颗蔽栋疆逐看述脸空幂秩匠倪欠笔叼颖呀慑屑刮盘擞能老郸依寅诧盅偏逞逃枷钞七统牢域狞蝶言哗籽俭闺渭态竣委福坪瘴嫁漳渤浸口辉港抨反躁运没臭戳潍勒软侠腮啸妈元佯袭壬蚜警岂忿槐除构稿郧汛斗狂集拍粮滁屠害吠棍耳瘦治呸垣耘磺黑盅亚届弗搏辊篆潘恩钡擎语沈驴笺世厕脆娠
本文来源:https://www.2haoxitong.net/k/doc/9a32d6990812a21614791711cc7931b765ce7bac.html
文档为doc格式