资源描述：
《三个例子帮助理解BP神经网络的运用》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、三个例了帮助理解BP神经网络的运用(利用MATLAB)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：输入矢量为p=[-1-231・115-3]目标矢量为t=[-111]解：本例的MATLAB程序如下：closeallclearechoonclc%NEWFF—牛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%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
2、),[3,1],{'tansig'/purelin'},'traingdm*)%当前输入层权值和阈值inputWeights=net.lW{1,1}inputbias=net.b{1}%当前网络层权值和阈值layerWeights=net.LW{2,1}layerbias=net.b{2}pauseclc%设置训练参数net.trainParam.show=50;net.trainParamJr=0.05;net.trainParam.me=0.9;net.trainParam.epochs=1000;net.trainParmm.goal=1e-3;pauseclc%调用TRAING
3、DM算法训练BP网络[net,tr]=train(net,RT);pauseclc%对BP网络进行仿真A=sim(net.P)%计算仿真误差E=T・AMSE=mse(E)pauseclcechooff例2采川贝叶斯止则化算法提高BP网络的推广能力。在本例中，我们采川两种训练方法，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冇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*
4、randn(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randnCseed*,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(/pi*P),Y);%绘制不含噪声的正弦曲线echoonclcpau
5、seclc%创建一个新的前向神经网络net=newff(minmax(P),[20,1],{,tansig,/purelint});pauseclcechooffclcdispQ.L-M优化算法TRAINLM');disp(*2.贝叶斯正则化算法TRAINBR*);choice=inputC请选择训练算法(1,2):*);figure(gcf);if(choice==1)echoonclc%采川L-M优化算法TRAINLMnet.trainFcn='trainIm';pauseclc%设置训练参数net.trainParam.epochs二500;net.trainParam.goal
6、=1e-6;net=init(net);%巫新初始化pauseclcelseif(choice==2)echoonclc%采用贝叶斯正则化算法TRAINBRnet.trainFcn二*trainbr';pauseclc%设置训练参数net.trainParam.epochs=500;randn(,seed,,192736547);net=init(net);%重新初始化pauseclcend%调用相应算法训练BP网络[net,tr]=train(net,P,T);pauseclc%对BP网络进行仿真A=sim(net,P);%计算仿真课差E=T・A;MSE=mse(E)pauseclc
7、%绘制匹配结果曲线closeall;plot(P,A,P,T；+*JP,sin(2*pi*P)；:t);pause;clcechooff通过采川两种不同的训练算法，我们可以得到如图1和图2所示的两种拟合结果。图中的实线表示拟合Illi线，虚线代衣不含白噪声的正弦曲线，“+”点为含有白噪声的正弦样本数据点。显然,经trainlm函数训练后的神经网络对样木数据点实现了“过度匹配”，而经trainbr函数训练的神经网络对噪声不敏感，具有较好的推广能力
