BP神经网络MATLAB编程代码.doc

实用标准文案
: .
BP神经网络的设计MATLABS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 =[-1-2 3 1 -1 1 5 -3] 目标矢量为 t = [-1-1 1 1] 解：本例的MATLAB程序如下：
close all
clear
echo on
clc
% NEWF——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
% 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
n et=n ewff(mi nm ax(P),[3,1],{'ta nsig','pureli n'},'trai ngdm')
% 当前输入层权值和阈值
in putWeights=n et」W{1,1}
in putbias=n {1}
% 当前网络层权值和阈值
layerWeights={2,1}
layerbias=n {2}
pause
clc
% 设置训练参数
n in = 50;
n in Para = ;
n = ;
bpnet=n ewff(pr,[12 4],{'logsig', 'logsig'}, 'trai ngdx', 'lear ngdm');
%建立BP神经网络，12个隐层神经元，4个输出神经元
%tranferFcn 属性'logsig'隐层采用Sigmoid传输函数 %tranferFcn 属性'logsig'输出层采用 Sigmoid传输函数 %trainFcn属性'traingdx'自适应调整学****速率附加动量因子梯度下 降反向传播算法训练函数
%learn属性'learngdm'附加动量因子的梯度下降学****函数 =1000;% 允许最大训练步数 2000 步
=; % 训练目标最小误差
=10; % 每间隔100步显示一次训练结果 =; % 学****速率
n in = 1000;
n = 1e-3;
pause
clc
% 调用TRAINGDM算法训练BP网络 [n et,tr]=trai n(n et,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
MSE=mse(E)
pause
clc
echo off
我们米用两
trainbr )，用