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，更多相关内容在行业资料-天天文库。
1、BP神经网络的设计实例(MATLAB编程)转_爱在转世重生_百度空间（转载）BP神经网络的设计实例(MATLAB编程)转2010年04月06日星期二下午01:22BP神经网络的设计实例(MATLAB编程)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=[-1-23 1 -1 15-3]目标矢量为 t=[-1-111]解：本例的MATLAB程序如下： closeall clear echoon clc %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 p
2、ause % 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 layerWeight
3、s=net.LW{2,1} layerbias=net.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 clc % 对BP网络进行仿真 A=sim(net,P) % 计算仿真误差 E=T-A
4、 MSE=mse(E) pause clc echooff 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(size(P))； 解：本例的MATLAB程序如下： closeall clear echoon cl
5、c %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,'+'); echooff holdon; plot(P,sin(2*pi*P),':'); % 绘制不含噪声的正弦曲线 echoon clc
6、 pause clc % 创建一个新的前向神经网络 net=newff(minmax(P),[20,1],{'tansig','purelin'}); pause clc echooff clcdisp('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):'); figure(gcf); if(choice==1) echoon clc % 采用L-M优化算法TRAINLM
7、 net.trainFcn='trainlm'; pause clc % 设置训练参数 net.trainParam.epochs=500; net.trainParam.goal=1e-6; net=init(net); % 重新初始化 pause clcelseif(choice==2) echoon
