matlab的bp神经网络各种不同算法程序

《matlab的bp神经网络各种不同算法程序》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Matlab的BP神经网络各种不同算法程序1:一般模式的BP:　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingd');　　net.trainParam.show=50;　　net.trainParam.lr=0.05;　　net.trainParam.epochs=300;　　net.trainParam.goal=1e-5　　[nettr]=train(net,P,T);　　

2、2：加入动量的BP　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.mc=0.9;　　net.trainParam.epochs=10000;　　net.trainParam.goal=1e-5*100　　[nettr]=train

3、(net,P,T);　　3：自适应LR变步长：　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingda');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.lr_inc=1.05;　　net.trainParam.epochs=10000;　　net.trainParam.goal=1e-5

4、*100　　[nettr]=train(net,P,T);　　4：弹性梯度法　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'trainrp');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.lr_inc=1.05;　　net.trainParam.epochs=10000;　　net.trainP

5、aram.goal=1e-5*100　　[nettr]=train(net,P,T);　　5：共轭梯度1　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traincgf');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.lr_inc=1.05;　　net.trainParam.epochs=100

6、00;　　net.trainParam.goal=1e-5*100　　[nettr]=train(net,P,T);　　6：共轭梯度2　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traincgp');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.lr_inc=1.05;　　net.trainP

7、aram.epochs=10000;　　net.trainParam.goal=1e-5*100　　[nettr]=train(net,P,T);　　7：共轭梯度3　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traincgb');　　net.trainParam.show=10000;　　net.trainParam.lr=0.05;　　net.trainParam.lr_inc=1.

8、05;　　net.trainParam.epochs=10000;　　net.trainParam.goal=1e-5*100　　[nettr]=train(net,P,T);　　8：共轭梯度4　　clc　　P=[-1-122;0505];　　T=[-1-111];　　net=newff(minmax(P),[3,1],{'tansig','purelin'},'traincgb');