在BP神经网络训练后，如何对网络输出求最小值？？？急，感谢指教！！

zhengj1980

下面是我的一个BP神经网络，不知道如何在网络训练后，求网络输出值的最小值，并得到与其相对应的输入向量？？老师催着要结果，小弟力不从心，恳请高手指点！！

本人的qq是： 273357812

P=[ 155, 172, 194, 228, 228, 226, 236, 239, 245, 285;
    658, 661, 662, 667, 670, 670, 675, 683, 710, 740;
    1.5, 1.5, 1.5, 1.5, 1.5, 1.0, 0.5, 1.5, 1.5, 1.5
   ];
T1=[0.417, 0.232, 0.672, 0.626, 0.1, 0.326, 0.287, 0.261, 0.779, 0.9];
pause;
clc
net=newff(minmax(P),[6,1],{'tansig','tansig'},'trainlm')
inputweights=net.IW{1,1}
inputbias=net.b{1}
layerweights=net.LW{2,1}
layerbias=net.b{2}
clc
net.trainParam.show=100;
net.trainParam.lr=0.01;
net.trainParam.mc=0.9;
net.trainParam.epochs=1000;
net.trainParam.goal=1e-5;
[net,tr]=train(net,P,T1);
A=sim(net,P);
pause
clc
echo off

[ 本帖最后由 lxq 于 2006-10-4 21:45 编辑 ]

jimin

[net,tr]=train(net,P,T1);
A=sim(net,P);
训练的和测试的是一样的，做出来也是意义不大的
建议用不同于训练的数据进行测试，才能检验网络的泛化能力

zhengj1980

感谢指点！
A＝sim（net，P）；
这句是多余的，没用！！
但是否可以对训练后的网络求最小值呀！！

jimin

bp神经网络有个误差反传的过程，通过误差反传，来调节权值和阈值，
直到误差小于一定的值
net.trainParam.goal=1e-5;
所以输出和T1之间的误差小于一定的值训练就结束了，理论上应该不存在一个最小的值，你只可能找到一个比较合适的输出
具体可参考神经网络书籍

zhengj1980

各位达人，我更正一下，我说得是对网络的输出值求最小值，不是对误差求最小值！
请各位指点！！感谢

F117_ren_0

简单,你把数据做归一化处理就ok了