关于《老饼讲解-BP神经网络》：
本网结构化讲解神经网络的知识，原理和代码。
重现matlab神经网络工具箱的算法，是学习神经网络的好助手。
本文讲解，在matlab工具箱中设置BP神经网络的初始权重。
01.问题
在使用matlab工具箱训练BP神经网络时，
往往我们希望，
能使用自己的初始值进行训练，而不是工具箱自带的初始值。
那么，我们要怎么实现呢？
02. 思路
其实只需要在初始化好BP神经网络，
先修改网络的权重，
然后再训练就可以了。
✍️网络的权重怎么修改？
网络的权重存放在net.iw、net.b、net.lw里。
我们要修改的就是这三个变量。
其中，net.iw存放着输入层到第一层的权重 ，
net.b则存放着每层的阈值，
net.lw是每层的权重。
03. Demo展示
下面我们展示一个Demo，
在Demo里，我们先给网络设置自己的权重，然后训练一步，
可以看到，最终的权重就是根据我们设置的初始值进行调整的。
已在matlab2018a亲测跑通
% ================== 说明 ==============================================
% 本代码来自bp.bbbdata.com
%用于训练的数据
X = linspace(-3,3,100);
y = 10*sin(X);
%初始化网络(这时的网络权重是matlab自带的初始化值)
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
% 设置自己想要的权重的初始值
disp('-------- 自设的网络初始权重 ---------------')
init_w21 =[100,100,100]'
init_b2 =[2,2,2]'
init_w32 =[3,3,3]
init_b3 = 4
% 将初始值赋给网络
net.iw{1,1} = init_w21 ; % 第1层（输入层）到第2层（隐层）的权值
net.b{1} = init_b2 ; % 第2层（隐层）的阈值
net.lw{2,1} = init_w32 ; % 第2层（输入层）到第3层（输出层）的权值
net.b{2} = init_b3 ; % 第3层（输出层）的阈值
% 训练网络,这里我们设置只训练一步
net.trainparam.goal = 0.00001; % 设置训练误差目标
net.trainparam.epochs = 1; % 设置最大训练次数.
[net,tr,net_y] = train(net,X,y); % 训练
% 训练完成后，可以看到，最终的权重值，与我们预设的初始差不多，因为我们只训练了一步。
disp('-------- 网络训练后的权重 ---------------')
w21 = net.iw{1,1} % 第1层（输入层）到第2层（隐层）的权值
b2 = net.b{1} % 第2层（隐层）的阈值
w32 = net.lw{2,1} % 第2层（输入层）到第3层（输出层）的权值
b3 = net.b{2} % 第3层（输出层）的阈值
w21 =
   99.1931
   99.1931
   99.1931
b2 =
    1.8573
    1.8573
    1.8573
w32 =
    0.2169    0.2169    0.2169
b3 =
    0.0040
👉可以看到，网络的最终输出与我们的设置的初始值很相近，
说明网络的确是使用了我们的初始值进行训练的。
相关文章
Original: https://blog.csdn.net/dbat2015/article/details/126610492
Author: 老饼讲解-BP神经网络
Title: 给BP神经网络设置初始权重(matlab)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/618285/
转载文章受原作者版权保护。转载请注明原作者出处！