资源描述：
《BP 神经网络的设计实例(MATLAB编程)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、网页新闻贴吧知道视频音乐图片地图文库
2、百度首页登录加入VIP意见反馈下载客户端2/18/2019BP神经网络的设计实例（MATLAB编程）-百度文库BP神经网络的设计实例(MATLAB编程)首页分类精品内容申请认证机构合作频道专区百度智慧课堂百度教育VIP例1 采用动量梯度下降算法训练BP网络。训练样本定义如下：百度文库教育专区高等教育理学输入矢量为p=[-1-231 -115-3]目标矢量为t=[-1-111]解：本例的MATLAB程序如下：closeallclearechoonclc%NEWFF——生成一个新的前向神经网络%TRAIN——对BP神经网
3、络进行训练%SIM——对BP神经网络进行仿真pause %敲任意键开始clc%定义训练样本%P为输入矢量P=[-1,-2,3, 1;-1,1,5, -3];%T为目标矢量T=[-1,-1,1,1];pause;clc%创建一个新的前向神经网络net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')%当前输入层权值和阈值inputWeights=net.IW{1,1}inputbias=net.b{1}%当前网络层权值和阈值layerWeights=net.LW{2,1}layerbias=net
4、.b{2}pause clc%设置训练参数net.trainParam.show=50;net.trainParam.lr=0.05;net.trainParam.mc=0.9;net.trainParam.epochs=1000;net.trainParam.goal=1e-3;pause clc%调用TRAINGDM算法训练BP网络[net,tr]=train(net,P,T);pause https://wenku.baidu.com/view/d60b9ebff121dd36a32d822a.html1/92/18/2019BP神经网络的设计实例
5、（MATLAB编程）-百度文库clc%对BP网络进行仿真A=sim(net,P)%计算仿真误差E=T-AMSE=mse(E)pause clcechooff例2 采用贝叶斯正则化算法提高BP网络的推广能力。在本例中，我们采用两种训练方法，即L-M优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练BP网络，使其能够拟合某一附加有白噪声的正弦样本数据。其中，样本数据可以采用如下MATLAB语句生成：输入矢量：P=[-1:0.05:1；]目标矢量：randn(’seed’,78341223)；T=sin(2*pi*P)+0.1*randn
6、(size(P)；)解：本例的MATLAB程序如下：closeallclearechoonclc%NEWFF——生成一个新的前向神经网络%TRAIN——对BP神经网络进行训练%SIM——对BP神经网络进行仿真pause %敲任意键开始clc%定义训练样本矢量%P为输入矢量P=[-1:0.05:1];%T为目标矢量randn('seed',78341223);T=sin(2*pi*P)+0.1*randn(size(P));%绘制样本数据点plot(P,T,'+');echooffholdon;plot(P,sin(2*pi*P),':');%绘制不含噪声
7、的正弦曲线echoonclcpause clc%创建一个新的前向神经网络https://wenku.baidu.com/view/d60b9ebff121dd36a32d822a.html2/92/18/2019BP神经网络的设计实例（MATLAB编程）-百度文库net=newff(minmax(P),[20,1],{'tansig','purelin'});pause clcechooffclcdisp('1.L-M优化算法TRAINLM');disp('2.贝叶斯正则化算法TRAINBR');choice=input('请选择训练算法(1,2):')
8、;figure(gcf);if(choice==1)echoonclc%采用L-M优化算法TRAINLMnet.trainFcn='trainlm';pauseclc%设置训练参数net.trainParam.epochs=500;net.trainParam.goal=1e-6;net=init(net);%重新初始化pauseclcelseif(choice==2)echoonclc%采用贝叶斯正则化算法TRAINBRnet.trainFcn='trainbr';pauseclc%设置训练参数net.trainParam.epochs=500;ran
9、dn('seed',192736547);net=init(net);%重新初始
