资源描述：
《基于Matlab神经网络工具的BP网络实例(注释很详细)》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、clearclccloseallwarningoff%数据输入huanghe_p=[370503434575490420560640558343326405446423422697598377435472451667601689541485425389382707422];huanghe_t=[5157135867537205677179878104894535896395685959828495196156525999418939997587016305615201040535J;%归一-化处理p=(huanghc_p-min(huanghc_p))/(max(huanghc_p)-
2、min(huanghc_p));t=(huanghe_t-min(huanghe_t))/(max(huanghe_t)-min(huanghe_t));%网络有关参数EPOCHS=10000;GOAL=0.000005;LR=0.01;MAX_FAIL=100;%建立bp神经网络,并训练，仿真。其中输入为p,输出为t%隐层神经元确定s=3:15;%s为常向蜃，表示神经元的个数res=zeros(size(s));%res将要存储误差向量,这里先置零pn=[p(1:5);p(6:10);p(l1:15);p(16:20)];tn=[t(l:5);t(6:l0);t(ll:15);t(l
3、6:20)J;fori=l:length(s)%7.0版本使用下面代码%输出层的神经元个数必须等于tn的行数%每层的传递函数可以自己指定%创建了2层网路，隐层s(i)(任意)；输出层4(tn决定不町改，但需输入)%net=newff(minmax(pn),[s(i),4J,{'tansig','purelin'l/trainlm1);%%7.6版木使用下面的代码%输出层神经元山m决定，不需要输入，我们只需要确定输入层和隐层的神经元个数%所有层的传递函数都可以自己定义%创建3层网络，输入层8(任意)；隐层s(i)(任意)；输出层4(由m决定，不可改，不需要输入)%%-其实两个版本的区别在
4、于7.6的bp网络创建函数直接给出了t,故最后一层不需要指定了，故相同的参数时，7.6的会多一层%nct=ncwff(pn,tn,[4,s(i)],{rtansig7tansig7purclinr}/trainlm1);net.iw{1J)=zeros(size(net.iw{1,1)))+0.5;net.lw{2,l}=zeros(size(net.lw{2,l}))+0.75;net.b{1,1}=zeros(size(net.b{1J}))+0.5;net.b{2,l}=zeros(size(net.b{2,1}));nct.trainParam.cpochs=EPOCHS;ne
5、t.trainParam.goal=GOAL;net.trainParam」「二LR;net.trainParam.maxfail=MAXFAIL;MM7net=train(net,pn,tn);y=sim(nct,pn);e=tn-y;error=mse(e,net);res(i)=norm(error);end%选取最优神经元数‘number为使得误差最小的隐层神经元个数[ttmp2,ind]=min(res);no=s(ind);%选定隐层神经元数hl后，建立网络，训练仿真。%7.0版木%net=newff(minmax(pn),[no,4],{^ansigVpurelin1}/
6、trainlm1);%7.6版本net=newff(pnjn44,no]J,tansig7tansig7purelin,}/trainlrn,);net.iw{1,1}=zeros(size(net.iw{1J}))+0.5;net.lw{2,l}=zeros(size(net.lw{2,l}))+0.75;net.b{1J}=zeros(size(net.b{1J}))+05;net.b{2J}=zeros(size(net.b{2,l}));net.trainParam.epochs二EPOCHS;net.trainParam.goal=GOAL;nct.trainParamJr=
7、LR;net.trainParam.max_fail=MAX_FAIL;net=train(net,pn,tn);y=sim(net,pn);e=tn-y;error=mse(e,net)%error为网络的误差向量r=norm(error);%r为网络的整体误差savenet%保存最好的网络%预测input=fp(1l:15);p(l6:20);p(21:25);p(26:3())];yucc=sim(nct,input);%结杲反归一化y_
