bp神经网络训练程序

《bp神经网络训练程序》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、clearallclcpp1=xlsread('inputBP1.xls');%将名为testdata1的excel表格中的数据导入tt1=xlsread('outputBP1.xls');%将名为testdata2的excel表格中的数据导入pp2=xlsread('inputBP2.xls');%将名为testdata1的excel表格中的数据导入tt2=xlsread('outputBP2.xls');%将名为testdata2的excel表格中的数据导入%其中p1t1分别为输入样本和与之一一对应的输出样本p1=[pp1,pp2];t1=

2、[tt1,tt2];clcp=p1;t=t1;[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)%对样本进行归一化%设置网络隐单元的神经元数n=5;%隐层节点数%建立相应的BP网络net=newff(minmax(pn),[n,3],{'tansig','tansig'},'trainrp');%红色字体为输出层节点数%和训练函数，其中训练函数可以根据训练效果的不同而更换，备选的函数见下页inputWeights=net.IW{1,1};inputbias=net.b{1};layerWeights=net.IW{

3、1,1};layerbias=net.b{2};pauseclc%训练网络net.trainParam.show=50;%每50步显示一次误差net.trainParam.lr=0.05;%训练步长net.trainParam.mc=0.9;net.trainParam.epochs=50000;%最大训练次数net.trainParam.goal=1e-3;%设定的期望误差，一般为0.001，可以修改pauseclc%调用TRAINSCG算法训练BP网络net=train(net,pn,tn);%训练函数%对BP网络进行仿真A=sim(net

4、,pn);E=A-tnM=sse(E)N=mse(E)echooffsavemynetnet%保存训练好的网络以备以后循环使用以下部分为BP网络的训练函数trainbrtrainctraincgbtraincgftraincgptraingdatraingdxtrainlmtrainosstrainrtrainrptrainstrainscg以下部分为仿真程序，把输入变量复制给，p2，然后顺序执行以下三个函数即可P2=[，，，；]%p2为输入p2n=tramnmx(p2,minp,maxp);%首先需要把p2归一化为p2n，这样才能利用训练好的

5、神经网络a2n=sim(net,p2n);利用p2n求得输出结果a2n，注意，此时a2n需要反归一化后才是真实输出a2=postmnmx(a2n,mint,maxt)%将a2n反归一化，此时a2即是我们所需要的结果